文稿頁面方向檢測方法和裝置的製作方法
2023-05-28 18:32:36
專利名稱：文稿頁面方向檢測方法和裝置的製作方法
技術領域：
本發明涉及圖像處理領域，具體而言，涉及一種文稿頁面方向檢測方法和裝置。
背景技術：
儘管數位化文件交換已經逐漸成為現代通信的主流方式，但是合同和有價紙張等具有法律效應和需要認證的內容仍然需要以紙質文檔形式加以傳遞和存儲。對此類紙質文檔的管理以及內容的傳遞，則需要通過掃描的方式加以數位化。在日常辦公及文檔集中管理機構，大批量紙質文檔掃描的業務需求都是巨大的。在大批量文檔掃描過程中需要將將所有文檔按照正向排布。事後對文檔方向的校正分為兩種方法，一種仍然是由人工一頁一頁瀏覽並旋轉圖像，另一種方式就是通過電腦程式自動識別文檔圖像的方向並將其轉正。事後自動文檔方向判別又分為兩種方法一種是通過OCR (Optical Character Recognition，光學字符識別)技術對文檔圖像中的文字進行識別從而判斷頁面方向，另一種方法是通過特徵識別算法判斷頁面方向。有關文稿頁面檢測技術，國內外也有相關的專利和文獻。1991年美國專利 US5276742 「快速頁面方向檢測」中提出了羅馬字符的上下起伏與文字書寫方向之間的關係。1998年，貝爾實驗研究人員在文章「複雜、無定向以及不清晰文檔圖像的語言識別」提出了一種與亞洲文字書寫方向相關聯的特徵。以上這些專利和文獻都集中在探尋文稿頁面中字符或者標點特徵與書寫方向之間的關係。然而實際文稿頁面掃描圖像往往由複雜的內容交雜而成。其中包括圖像、文字、數字、標點，並且隨著國際交流的增加，一個頁面中常常還包含多種語言不同字體和尺寸的文字。現有技術中對於複雜的文稿頁面，無法得到正確的檢測結果。
發明內容
本發明旨在提供一種文稿頁面方向檢測方法和裝置，能夠解決現有技術中對於複雜的文稿頁面，無法得到正確的檢測結果的問題。同時，還提供了一種文稿頁面方向檢測結果的置信度計算方法，以提供判別方向檢測結果是否可用的依據。根據本發明的一個方面，提供了一種文稿頁面方向檢測方法，包括以下步驟對文稿頁面進行圖文分離，將得到的文字區域拆分為多個文字單元，並確定多個文字單元的語言類別屬性；針對語言類別屬性獲取多個文字單元的書寫方向屬性特徵值，並將其納入相應的全局統計量中；根據全局統計量中各書寫方向屬性特徵值分別得到針對各書寫方向屬性特徵值的頁面方向及對應的置信度；根據各書寫方向屬性特徵值的頁面方向及對應的置信度確定文稿頁面的方向以及其對應的整體置信度。根據本發明的另一個方面，還提供了一種文稿頁面方向檢測裝置，包括拆分模塊，用於對文稿頁面進行圖文分離，將得到的文字區域拆分為多個文字單元，並確定多個文字單元的語言類別屬性；第一計算模塊，用於針對語言類別屬性獲取多個文字單元的書寫方向屬性特徵值，並將其納入相應的全局統計量中；第二計算模塊，用於根據全局統計量中各書寫方向屬性特徵值分別得到針對各書寫方向屬性特徵值的頁面方向及對應的置信度； 第三計算模塊，用於根據各書寫方向屬性特徵值的頁面方向及對應的置信度確定文稿頁面的方向以及其對應的整體置信度。在本發明中，通過將文稿頁面圖文分離後的文字區域拆分為文字單元，進而根據文字單元的語言類別屬性得到針對各書寫方向屬性特徵值的頁面方向及對應的置信度，最後根據各書寫方向屬性特徵值的頁面方向及對應的置信度確定文稿頁面的方向以及其對應的整體置信度，實現了文稿頁面方向的自動確定，並提供整體置信度供用戶確定判定結果是否可用，克服了現有技術中對於複雜的文稿頁面，無法得到正確的檢測結果的問題。
此處所說明的附圖用來提供對本發明的進一步理解，構成本申請的一部分，本發明的示意性實施例及其說明用於解釋本發明，並不構成對本發明的不當限定。在附圖中圖1示出了根據本發明一個實施例的文稿頁面方向檢測方法流程圖；圖2示出了一張日本報紙的文稿頁面的屏幕效果示意圖；圖3示出了文字單元處於不同方向的文稿頁面示意圖；圖4示出了根據本發明一個優選實施例的文稿頁面示意圖；圖5示出了根據本發明一個實施例的文稿頁面方向檢測裝置示意圖。
具體實施例方式下面將參考附圖並結合實施例，來詳細說明本發明。圖1示出了根據本發明一個實施例的文稿頁面方向檢測方法流程圖，包括以下步驟S102，對文稿頁面進行圖文分離，將得到的文字區域拆分為多個文字單元，並確定多個文字單元的語言類別屬性；S104，針對語言類別屬性獲取多個文字單元的書寫方向屬性特徵值，並將其納入相應的全局統計量中；S106，根據全局統計量中各書寫方向屬性特徵值分別得到針對各書寫方向屬性特徵值的頁面方向及對應的置信度；S108，根據各書寫方向屬性特徵值的頁面方向及對應的置信度確定文稿頁面的方向以及其對應的整體置信度。在本實施例中，通過將文稿頁面圖文分離後的文字區域拆分為文字單元，進而根據文字單元的語言類別屬性得到針對各書寫方向屬性特徵值的頁面方向及對應的置信度， 最後根據各書寫方向屬性特徵值的頁面方向及對應的置信度確定文稿頁面的方向以及其對應的整體置信度，實現了文稿頁面方向的自動確定，並提供整體置信度供用戶確定判定結果是否可用，克服了現有技術中對於複雜的文稿頁面，無法得到正確的檢測結果的問題。優選地，在上述的文稿頁面方向檢測方法中，對文稿頁面進行圖文分離，將得到的文字區域拆分為多個文字單元具體包括將文稿頁面的圖像二值化後進行連通域檢測；分別按照水平和豎直方向對檢測到的連通域進行行檢測；根據連成行的連通域的行內連通域
5數量、行內連通域尺寸及相對位置關係、行內連通域複雜度確定連通域是否為文字行；將確定為文字行的連通域作為文字區域，並對文字行進行分割得到文字單元。在本實施例中，通過文字單元的拆分得到單詞(較短文字行，主要是羅馬文字)或者句子(較長文字行，主要是亞洲文字)。在本發明的實施例中對有效連通域進行分析來確定文字行及語言類別屬性。有效連通域是指沿著掃描方向不重疊的連通域。滿足有效連通域尺寸(沿掃描法向的尺度)和沿掃描方向的中心位置變化幅度均不超過30 %的連通域行是文字行。行內連通域數量超過 16個的一般是亞洲語言文欄位。對於行內連通域數量不超過16個且複雜度滿足要求的連通域數量佔到行內連通域總數25%以上的一般是羅馬文字行。例如，書刊報紙雜誌等頁面內容豐富，主要可分為文字區域與圖像區域，文字區域又可進一步劃分為羅馬字符語言文字區域和亞洲語言文字區域。且亞洲語言文字的書寫方向可分為橫寫和縱寫兩種類別，羅馬字符語言文字的書寫方向則僅有橫寫類別。圖2示出了一張日本報紙的文稿頁面的屏幕效果示意圖，如圖2所示，包含圖像區域21和文字區域。同一張頁面中同時出現了橫寫書寫方式的文字區域22以及縱寫方式的文字區域23。圖3示出了文字單元處於不同方向的文稿頁面示意圖，如圖3所示，同一頁面中的文字單元可能出現不同方向的情況，文字區域32中文字單元的局部方向為朝上，而文字區域32中文字單元的局部方向為朝左，對於這樣的情況，後續的綜合分析步驟將會結合各自文字數量分布比重，給出最終頁面方向的判斷結果。圖3所示實施例中包含了兩種書寫方向，但是所有字符的書寫方向特徵值進行整體統計後，由向上的書寫方向特徵值佔優， 因此最終頁面方向被判別為向上。因此，圖文混合、多語言(亞洲、歐洲)混合的文稿頁面方向的判別需要對各個文字區域進行分析，提高了判別結果的準確度。優選地，在上述的文稿頁面方向檢測方法中，對文稿頁面進行圖文分離，將得到的文字區域拆分為多個文字單元，並確定多個文字單元的語言類別屬性具體包括根據文字單元的文字連通域內部連通域的尺寸、形態及相對位置關係確定其語言屬性特徵值；將語言屬性特徵值與資料庫中預存的相應參考值相比較，確定文字單元的語言類別屬性。在上述實施例中，通過連通域複雜度度量確定該連通域是否為羅馬字符。連通域複雜度主要是以沿掃描方向法向的負值內部連通域數量及相對位置關係來定義的。優選地，在上述的文稿頁面方向檢測方法中，根據全局統計量中各書寫方向屬性特徵值分別得到針對各書寫方向屬性特徵值的頁面方向及對應的置信度具體包括將各書寫方向屬性特徵值與資料庫中預存的參考值相比較，確定針對各書寫方向屬性特徵值的頁面方向及對應的置信度。在本實施例中，對用以判別文稿頁面方向的每個特徵值分別進行統計，得到文稿頁面方向以及依據該特徵值判別得到的頁面方向的置信度，置信度是通過每個特徵的強弱來確定的。例如，依據標點符號在四個相限內的分布數量特徵判別的文稿頁面方向的置信度，是由標點符號在四個象限中的最大數量和佔標點符號總數比例來計算的。在單一象限內標點符號的最大值越大、該最大值佔標點符號總數比例越大，則依據標點符號判別得到的頁面方向置信度就越高，反之則越低。而最終的文稿頁面方向和置信度由幾個針對不同特徵值的判別結果綜合分析得到。可以通過取幾個頁面方向判別結果中置信度最大的方向為最終頁面方向。最終的整體置信度是以特徵置信度中最大值為基礎進行增強或者削弱得到。如果次最大置信度方向與最大置信度方向一致則整體置信度在最大特徵方向置信度基礎上進一步提升，反之則降低最大特徵方向置信度得到最終整體置信度。圖4示出了根據本發明一個優選實施例的文稿頁面示意圖，如圖4所示，經過文字行檢測和組詞組句後，得到一些待選文字片段。經過待選文字片斷中每個字符語言特徵分析，能夠區分出來文字片段是否為羅馬單詞。對確定為羅馬單詞中的每一個字符進行羅馬文字書寫方向特徵(羅特徵1、羅特徵2等)抽取，對非羅馬文字片段中的每一個字符進行亞洲文字書寫方向特徵(亞特徵1、亞特徵2等)抽取。將抽取得到的特徵值分別加入亞洲文字書寫方向特徵統計量(亞統計1、亞統計2等)和羅馬文字書寫方向特徵統計量(羅統計1、羅統計2等)。對亞洲語言和羅馬語言的各種特徵統計值進行分析能夠得到對應於每種統計值的頁面方向判別結果和置信度(亞統計1_方向，亞統計1_置信度；亞統計2_方向，亞統計2_置信度；羅統計1_方向，羅統計1_置信度；羅統計2_方向，羅統計2_置信度；等等)。最後綜合對比分析所有的特徵方向和置信度得到頁面整體方向和置信度。在本發明的實施例中，以具有最高置信度的特徵方向為頁面方向。如果次高置信度特徵方向與最高置信度特徵方向一致，則頁面置信度在最高置信度基礎上上浮(如 20%)，相反則削弱(如20%)。例如圖4實施例中「亞統計1_置信度」在「亞統計1_置信度」、「亞統計2_置信度」、「羅統計1_置信度」、「羅統計2_置信度」最大，則頁面方向為「亞統計1_方向」。如果 「羅統計2_置信度」為次大置信度，且「亞統計2_方向」與「亞統計1_方向」 一致，則頁面方向置信度為「亞統計1_置信度」 *120%。優選地，在上述的文稿頁面方向檢測方法中，文字單元包括以下至少一種羅馬單詞、亞洲文欄位和標點符號。優選地，在上述的文稿頁面方向檢測方法中，語言類別包括以下至少一種亞洲語言類別和羅馬字符語言類別。優選地，在上述的文稿頁面方向檢測方法中，書寫方向特徵包括以下至少一種亞洲文字的撇捺特徵、羅馬字符語言文字的開口方向特徵、上下起伏特徵以及標點符號相對於文字的位置特徵。圖5示出了根據本發明一個實施例的文稿頁面方向檢測裝置示意圖，包括拆分模塊10，用於對文稿頁面進行圖文分離，將得到的文字區域拆分為多個文字單元，並確定多個文字單元的語言類別屬性；第一計算模塊20，用於針對語言類別屬性獲取多個文字單元的書寫方向屬性特徵值，並將其納入相應的全局統計量中；第二計算模塊30，用於根據全局統計量中各書寫方向屬性特徵值分別得到針對各書寫方向屬性特徵值的頁面方向及對應的置信度；第三計算模塊40，用於根據各書寫方向屬性特徵值的頁面方向及對應的置信度確定文稿頁面的方向以及其對應的整體置信度。在本實施例中，通過將文稿頁面圖文分離後的文字區域拆分為文字單元，進而根據文字單元的語言類別屬性得到針對各書寫方向屬性特徵值的頁面方向及對應的置信度，
7最後根據各書寫方向屬性特徵值的頁面方向及對應的置信度確定文稿頁面的方向以及其對應的整體置信度，實現了文稿頁面方向的自動確定，並提供整體置信度供用戶確定判定結果是否可用，克服了現有技術中對於複雜的文稿頁面，無法得到正確的檢測結果的問題。優選地，在上述的文稿頁面方向檢測裝置中，拆分模塊具體包括連通域檢測單元，用於將文稿頁面的圖像二值化後進行連通域檢測；行檢測單元，用於分別按照水平和豎直方向對檢測到的連通域進行行檢測；文字行確定單元，用於根據連成行的連通域的行內連通域數量、行內連通域尺寸及相對位置關係、行內連通域複雜度確定連通域是否為文字行；分割單元，用於將確定為文字行的連通域作為文字區域，並對文字行進行分割得到文字單元。在本實施例中，通過文字單元的拆分得到單詞(較短文字行，主要是羅馬文字)或者句子(較長文字行，主要是亞洲文字)。例如，書刊報紙雜誌等頁面內容豐富，主要可分為文字區域與圖像區域，文字區域又可進一步劃分為羅馬字符語言文字區域和亞洲語言文字區域。且亞洲語言文字的書寫方向可分為橫寫和縱寫兩種類別，羅馬字符語言文字的書寫方向則僅有橫寫類別。圖2示出了一張日本報紙的文稿頁面示意圖，如圖2所示，包含圖像區域21和文字區域。同一張頁面中同時出現了橫寫書寫方式的文字區域22以及縱寫方式的文字區域 23。圖3示出了文字單元處於不同方向的文稿頁面示意圖，如圖3所示，同一頁面中的文字單元可能出現不同方向的情況，文字區域32中文字單元的局部方向為朝上，而文字區域32 中文字單元的局部方向為朝左，對於這樣的情況，後續的綜合分析步驟將會結合各自文字數量分布比重，給出最終頁面方向的判斷結果。因此，圖文混合、多語言(亞洲、歐洲)混合的文稿頁面方向的判別需要對各個文字區域進行分析，提高了判別結果的準確度。優選地，在上述的文稿頁面方向檢測裝置中，第一計算模塊具體包括屬性特徵值單元，用於根據文字單元的文字連通域內部連通域的尺寸、形態及相對位置關係確定其語言屬性特徵值；第一比較單元，用於將語言屬性特徵值與資料庫中預存的相應參考值相比較，確定文字單元的語言類別屬性。語言屬性特徵值是用以判斷每個文字單元屬於何種語言類別的特徵。優選地，在上述的文稿頁面方向檢測裝置中，第二計算模塊具體包括第二比較單元，用於將各書寫方向屬性特徵值與資料庫中預存的參考值相比較，確定針對各書寫方向屬性特徵值的頁面方向及對應的置信度。在本實施例中，對用以判別文稿頁面方向的每個特徵值分別進行統計，得到文稿頁面方向以及依據該特徵值判別得到的頁面方向的置信度，置信度是通過每個特徵的強弱來確定的。例如，依據標點符號在四個相限內的分布數量特徵判別的文稿頁面方向的置信度，是由標點符號在四個象限中的最大數量和佔標點符號總數比例來計算的。在單一象限內標點符號的最大值越大、該最大值佔標點符號總數比例越大，則依據標點符號判別得到的頁面方向置信度就越高，反之則越低。而最終的文稿頁面方向和置信度由幾個針對不同特徵值的判別結果綜合分析得到。可以通過取幾個頁面方向判別結果中置信度最大的方向為最終頁面方向。最終的整體置信度是以特徵置信度中最大值為基礎進行增強或者削弱得到。如果次最大置信度方向與最大置信度方向一致則整體置信度在最大特徵方向置信度基礎上進一步提升，反之則降低最大特徵方向置信度得到最終整體置信度。優選地，在上述的文稿頁面方向檢測裝置中，文字單元包括以下至少一種羅馬單詞、亞洲文欄位和標點符號。優選地，在上述的文稿頁面方向檢測裝置中，語言類別包括以下至少一種亞洲語言類別和羅馬字符語言類別。優選地，在上述的文稿頁面方向檢測裝置中，書寫方向特徵包括以下至少一種亞洲文字的撇捺特徵、羅馬字符語言文字的開口方向特徵、上下起伏特徵以及標點符號相對於文字的位置特徵。顯然，本領域的技術人員應該明白，上述的本發明的各模塊或各步驟可以用通用的計算裝置來實現，它們可以集中在單個的計算裝置上，或者分布在多個計算裝置所組成的網絡上，可選地，它們可以用計算裝置可執行的程序代碼來實現，從而，可以將它們存儲在存儲裝置中由計算裝置來執行，或者將它們分別製作成各個集成電路模塊，或者將它們中的多個模塊或步驟製作成單個集成電路模塊來實現。這樣，本發明不限制於任何特定的硬體和軟體結合。以上所述僅為本發明的優選實施例而已，並不用於限制本發明，對於本領域的技術人員來說，本發明可以有各種更改和變化。凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。
權利要求
1.一種文稿頁面方向檢測方法，其特徵在於，包括以下步驟對文稿頁面進行圖文分離，將得到的文字區域拆分為多個文字單元，並確定所述多個文字單元的語言類別屬性；針對所述語言類別屬性獲取所述多個文字單元的書寫方向屬性特徵值，並將其納入相應的全局統計量中；根據所述全局統計量中各書寫方向屬性特徵值分別得到針對所述各書寫方向屬性特徵值的頁面方向及對應的置信度；根據所述各書寫方向屬性特徵值的頁面方向及對應的置信度確定所述文稿頁面的方向以及其對應的整體置信度。
2.根據權利要求1所述的文稿頁面方向檢測方法，其特徵在於，對文稿頁面進行圖文分離，將得到的文字區域拆分為多個文字單元具體包括將文稿頁面的圖像二值化後進行連通域檢測；分別按照水平和豎直方向對檢測到的連通域進行行檢測；根據連成行的所述連通域的行內連通域數量、行內連通域尺寸及相對位置關係、行內連通域複雜度確定所述連通域是否為文字行；將確定為文字行的所述連通域作為文字區域，並對所述文字行進行分割得到文字單兀。
3.根據權利要求2所述的文稿頁面方向檢測方法，其特徵在於，對文稿頁面進行圖文分離，將得到的文字區域拆分為多個文字單元，並確定所述多個文字單元的語言類別屬性具體還包括根據所述文字單元的文字連通域內部連通域的尺寸、形態及相對位置關係確定其語言屬性特徵值；將所述語言屬性特徵值與資料庫中預存的相應參考值相比較，確定所述文字單元的語言類別屬性。
4.根據權利要求1所述的文稿頁面方向檢測方法，其特徵在於，根據所述全局統計量中各書寫方向屬性特徵值分別得到針對所述各書寫方向屬性特徵值的頁面方向及對應的置信度具體包括將所述各書寫方向屬性特徵值與資料庫中預存的參考值相比較，確定針對所述各書寫方向屬性特徵值的頁面方向及對應的置信度。
5.根據權利要求1所述的文稿頁面方向檢測方法，其特徵在於，所述文字單元包括以下至少一種羅馬單詞、亞洲文欄位和標點符號。
6.根據權利要求1所述的文稿頁面方向檢測方法，其特徵在於，所述語言類別包括以下至少一種亞洲語言類別和羅馬字符語言類別。
7.根據權利要求4所述的文稿頁面方向檢測方法，其特徵在於，所述書寫方向特徵包括以下至少一種亞洲文字的撇捺特徵、羅馬字符語言文字的開口方向特徵、上下起伏特徵以及標點符號相對於文字的位置特徵。
8.一種文稿頁面方向檢測裝置，其特徵在於，包括拆分模塊，用於對文稿頁面進行圖文分離，將得到的文字區域拆分為多個文字單元，並確定所述多個文字單元的語言類別屬性；第一計算模塊，用於針對所述語言類別屬性獲取所述多個文字單元的書寫方向屬性特徵值，並將其納入相應的全局統計量中；第二計算模塊，用於根據所述全局統計量中各書寫方向屬性特徵值分別得到針對所述各書寫方向屬性特徵值的頁面方向及對應的置信度；第三計算模塊，用於根據所述各書寫方向屬性特徵值的頁面方向及對應的置信度確定所述文稿頁面的方向以及其對應的整體置信度。
9.根據權利要求8所述的文稿頁面方向檢測裝置，其特徵在於，所述拆分模塊具體包括連通域檢測單元，用於將文稿頁面的圖像二值化後進行連通域檢測； 行檢測單元，用於分別按照水平和豎直方向對檢測到的連通域進行行檢測； 文字行確定單元，用於根據連成行的所述連通域的行內連通域數量、行內連通域尺寸及相對位置關係、行內連通域複雜度確定所述連通域是否為文字行；分割單元，用於將確定為文字行的所述連通域作為文字區域，並對所述文字行進行分割得到文字單元。
10.根據權利要求8所述的文稿頁面方向檢測裝置，其特徵在於，所述第一計算模塊具體包括屬性特徵值單元，用於根據所述文字單元的文字連通域內部連通域的尺寸、形態及相對位置關係確定其語言屬性特徵值；第一比較單元，用於將所述語言屬性特徵值與資料庫中預存的相應參考值相比較，確定所述文字單元的語言類別屬性。
11.根據權利要求8所述的文稿頁面方向檢測裝置，其特徵在於，所述第二計算模塊具體包括第二比較單元，用於將所述各書寫方向屬性特徵值與資料庫中預存的參考值相比較， 確定針對所述各書寫方向屬性特徵值的頁面方向及對應的置信度。
12.根據權利要求9所述的文稿頁面方向檢測裝置，其特徵在於，所述文字單元包括以下至少一種羅馬單詞、亞洲文欄位和標點符號。
13.根據權利要求8所述的文稿頁面方向檢測裝置，其特徵在於，所述語言類別包括以下至少一種亞洲語言類別和羅馬字符語言類別。
14.根據權利要求11所述的文稿頁面方向檢測裝置，其特徵在於，所述書寫方向特徵包括以下至少一種亞洲文字的撇捺特徵、羅馬字符語言文字的開口方向特徵、上下起伏特徵以及標點符號相對於文字的位置特徵。
全文摘要
本發明公開了一種文稿頁面方向檢測方法和裝置，其中，方法包括以下步驟對文稿頁面進行圖文分離，將得到的文字區域拆分為多個文字單元，並確定多個文字單元的語言類別屬性；針對語言類別屬性獲取多個文字單元的書寫方向屬性特徵值，並將其納入相應的全局統計量中；根據全局統計量中各書寫方向屬性特徵值分別得到針對各書寫方向屬性特徵值的頁面方向及對應的置信度；根據各書寫方向屬性特徵值的頁面方向及對應的置信度確定文稿頁面的方向以及其對應的整體置信度。
文檔編號G06K9/32GK102194117SQ201010119229
公開日2011年9月21日 申請日期2010年3月5日 優先權日2010年3月5日
發明者六尾敏明, 張宏志, 李平立, 袁夢尤 申請人:京瓷美達株式會社, 北京大學, 方正國際軟體(北京)有限公司