一种基于多特征的文本图像相似度度量方法

摘要

本发明公开了一种基于多特征的文本图像相似度度量方法，针对一种特征不能完全刻画出文字图像的缺陷，提出了一种结合多特征的高精度文字图像块描述及相似性度量方法，该方法提出了八种不同属性的特征，运用滑动比较和欧氏距离计算特征之间的距离值，最后运用训练的方法对八种特征进行融合计算出相似性值，大大提供了相似性值识别的精度。采用建立包含四种语言的测试集，对本发明的识别效果进行检测，并运用查全率查准率和F值对该发明的效果进行衡量，结果表明本发明的查全率、查准率接近于100%，而F值在0.99以上，结果表明本发明是一种高精度的相似度度量方法。

主权项

一种基于多特征的文本图像相似度度量方法，其特征在于，包括以下操作：1)提取待比较的文本图像的多个特征向量进行描述，所述的特征向量包括水平变化密度，垂直变化密度，上轮廓，下轮廓，水平投影，垂直投影，空间分布和Gabor；2)采用欧式距离计算方法来处理具有相同维数的特征向量的特征距离，采用滑动比较方法来处理具有不同维数的特征向量的特征距离；3)在得到特征向量的距离值之后，输入为距离值和标定，先应用随机森林训练随机森林分类器，然后训练随机森林回归器；4)将待比较的文本图像的特征距离输入到训练好的随机森林回归器中，由其输出得到一个相似度值，相似度值越大表明所比较的文本图像越相似；所述的特征向量中，各特征向量的描述方法如下：水平变化密度，一行一行的对文本图像进行扫描，计算水平方向上的从0到1的变化次数；垂直变化密度，计算垂直方向上从0到1的变化次数；上轮廓，对文本图像一列一列从上到下进行扫描，第一次遇到黑色像素点后，将下面的点都置成黑色像素；下轮廓，对文本图像一列一列从下到上进行扫描，第一次遇到黑色像素点后，将上面的点都置成黑色像素；水平投影，对文本图像一行一行从左到右进行扫描，计算黑色像素个数为当前行的特征值；垂直投影，对文本图像一列一列从上向下进行扫描，计算黑色像素个数为当前列的特征值；空间分布，文本图像被归一化到相同的大小，然后使用重叠的高斯加权方法将图像分为N×N的块，使每个块延伸到它的邻域块的中间，每一个块中的像素点个数就为空间分布特征；Gabor，先通过Gabor滤波将文本图像归一化到相同的大小，从Gabor滤波的结果中提取Gabor特征，每一个滤波图像被分为N×N的重叠块，在每一个块中，分别运用加权高斯函数的正负实部计算直方图特征，作为该图像的Gabor特征。