基于ocr的國際音標(biāo)切分方法
【專利摘要】本發(fā)明基于OCR的國際音標(biāo)切分方法，涉及圖像切分【技術(shù)領(lǐng)域】。本發(fā)明首先對每一副圖像進(jìn)行二值化處理，目標(biāo)為0，背景為1，然后用垂直投影算法進(jìn)行第一次粗切分，得到N個圖像區(qū)域。計算每個圖像區(qū)域的寬度W，設(shè)定閾值T，對于W>T的圖像區(qū)域進(jìn)行進(jìn)一步處理，接著對圖像區(qū)域進(jìn)行列求和，計算出最大值的所有位置，然后分別和待處理圖像區(qū)域的中心位置進(jìn)行比較，距離最小的即為二次切分的位置，最后進(jìn)行再次切分，即可正確切分。利用本發(fā)明，能正確切分國際音標(biāo)圖像，簡單而高效，該方法為國際音標(biāo)OCR的研究奠定了基礎(chǔ)。
【專利說明】基于OCR的國際音標(biāo)切分方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像切分【技術(shù)領(lǐng)域】，具體指一種基于OCR的國際音標(biāo)切分方法。
【背景技術(shù)】
[0002]隨著國際化的發(fā)展，各個國家之間的交流越來越密切，為了更好的溝通，需要一種統(tǒng)一的語音系統(tǒng)，國際音標(biāo)就是記錄所有語音的統(tǒng)一音標(biāo)。國際音標(biāo)的產(chǎn)生是世界優(yōu)秀文化的結(jié)晶，閃爍著世界人民智慧的光芒。
[0003]然而，如何把文獻(xiàn)中國際音標(biāo)進(jìn)行數(shù)字化存儲是一個非常龐大的工程，基本上不可能實(shí)現(xiàn)。對這些文獻(xiàn)進(jìn)行數(shù)字化最常見的手段是先對文獻(xiàn)進(jìn)行掃描，再使用OCR技術(shù)對所得到的數(shù)字圖片進(jìn)行OCR識別以得到相應(yīng)的電子文檔。目前，不管是英語還是漢語的OCR識別軟件，其技術(shù)已經(jīng)相當(dāng)成熟，識別率能達(dá)到97%以上，市場上也有許多商用軟件，而國際音標(biāo)只在特定專業(yè)上才有應(yīng)用，它的OCR商用價值有限，因此在方面的研究一直處于空白。但國際音標(biāo)OCR的學(xué)術(shù)價值卻遠(yuǎn)高于其商業(yè)價值，幾乎所有語言學(xué)文獻(xiàn)都使用國際音際進(jìn)行語音轉(zhuǎn)寫。只有國際音標(biāo)的OCR技術(shù)實(shí)現(xiàn)突破，海量語言學(xué)專業(yè)文獻(xiàn)資源的數(shù)字化工作才成為可能。由于國際音標(biāo)字體的特殊性，跟英語字符有一定差異，往往出現(xiàn)字符間的粘連，而且國際音標(biāo)中含有大量的音節(jié)，這是英語字符沒有的，這使得英語OCR識別系統(tǒng)對國際音標(biāo)無法正確切分和識別。
[0004]現(xiàn)有技術(shù)方案中，大多數(shù)采用紋理特征以及排版特點(diǎn)進(jìn)行特征分析。通過紋理提取的特征，其過程復(fù)雜，需要對整塊文字區(qū)域進(jìn)行處理，并且移除文字間空白區(qū)域作為特征提取的預(yù)處理操作，進(jìn)而使用Gabor濾波器、小波變換或其他技術(shù)進(jìn)行特征提取，過程較繁瑣。通過排版特點(diǎn)提取的特征，雖然可以代表字體的特性，但是對抗噪聲性能不高，并需要在非常高的掃描分辨率下獲取字體圖像，因此可移植性差，不能很好的應(yīng)用在國際音標(biāo)字體識別中。近年來，也有一些其他的字體特征提取的方法，但是沒有針對國際音標(biāo)字體識別的具體方法，識別過程耗時長，提取的特征很復(fù)雜，識別率低，而且只是針對個別語種進(jìn)行識別，通用性不高。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的主要目的是解決現(xiàn)有技術(shù)存在的缺失和不足，提出一種基于OCR的國際音標(biāo)切分方法，本方法包括:
[0006]1.首先對國際音標(biāo)圖像進(jìn)行預(yù)處理，對每一副國際音標(biāo)圖像，用最大類間方差法進(jìn)行二值化處理，其中目標(biāo)為0，背景為I。
[0007]2.國際音標(biāo)圖像進(jìn)行粗切分，對國際音標(biāo)圖像進(jìn)行列操作求和，記錄切分的空白邊界位置。
[0008]3.對粗切分后的圖像區(qū)域進(jìn)行判斷是否含有不止一個字符，根據(jù)計算出的圖像區(qū)域和國際音標(biāo)的平均寬度最大寬度作比較，判斷是否含有不止一個字符。
[0009]4.對含有多個字符的圖像區(qū)域進(jìn)行切分，找出需要進(jìn)一步出的圖像區(qū)域，再次進(jìn)行列操作，找出最佳切分位置，進(jìn)行再次切分。
[0010]本發(fā)明專利申請，采用基于OCR的國際音標(biāo)切分方法，簡單而高效，能正確切分國際音標(biāo)圖像，對國際音標(biāo)OCR的研究起到了重要的作用。
【專利附圖】

【附圖說明】
[0011]圖1基于OCR的國際音標(biāo)切分方法流程框圖；
[0012]圖2本發(fā)明實(shí)施例中通過閾值化區(qū)分的國際音標(biāo)圖像；
[0013]圖3本發(fā)明實(shí)施實(shí)施例中粗切分后得到的圖像；
[0014]圖4本發(fā)明實(shí)施實(shí)施例中未能正確切分的圖像區(qū)域；
[0015]圖5本發(fā)明實(shí)例中對進(jìn)一步處理切分后的圖像。
【具體實(shí)施方式】
[0016]以下結(jié)合附圖和實(shí)施例對本發(fā)明進(jìn)一步描述
[0017]本發(fā)明的實(shí)驗(yàn)測試是在CPU為Intel (R) Core (TM) 3.40GHz的電腦上完成，Matlab的版本為 MatlabR2011b。
[0018]下面按附圖1的流程框圖詳細(xì)給出本發(fā)明技術(shù)方案中所涉及的各個步驟的細(xì)節(jié)作出說明:
[0019]步驟1:國際音標(biāo)圖像進(jìn)行預(yù)處理的步驟包括:
[0020]2.1對于國際音標(biāo)圖像，用最大類間方差法(大津法)求出最佳閾值，設(shè)該閾值為U，
[0021]如式:
[0022]u = graythresh (I)(1)
[0023]其中，graythresh函數(shù)自動獲得一個合適的閾值。
[0024]2.2把小于u的像素點(diǎn)的像素值賦為1，大于u的像素值賦為0，得到二值化圖像，其中目標(biāo)為0，背景為1，
[0025]如式:
[0026]if (I > u), I = 0; else, I = 1.(2)
[0027]步驟2:國際音標(biāo)圖像的粗切分的步驟包括:
[0028]2.1對國際音標(biāo)圖像進(jìn)行列操作求和，
[0029]如式:
[0030](y, x) = size (I)(3)
[0031]
【權(quán)利要求】
1.一種基于OCR的國際音標(biāo)切分方法，其特征在于，包括以下步驟:A.對國際音標(biāo)圖像進(jìn)行預(yù)處理；B.對國際音標(biāo)圖像進(jìn)行粗切分；C.對粗切分后的圖像區(qū)域進(jìn)行判斷；D.對含有不止一個字符的圖像區(qū)域進(jìn)行切分。
2.如權(quán)利要求1所述的基于OCR的國際音標(biāo)切分方法，其特征在于，所述A.對國際音標(biāo)圖像進(jìn)行預(yù)處理，包括步驟: A.1對每個國際音標(biāo)圖像，用最大類間方差法計算出該圖像的閾值u ; A.2把小于u的像素點(diǎn)的像素值賦為1，大于u的像素值賦為0，得到二值化圖像，其中目標(biāo)為0，背景為I。
3.如權(quán)利要求1所述的基于OCR的國際音標(biāo)切分方法，其特征在于，所述B.對國際音標(biāo)圖像進(jìn)行粗切分，包括步驟: B.1對國際音標(biāo)圖像進(jìn)行列操作求和； B.2找出空白邊界進(jìn)行粗切分； B.3保存切分后的所有圖像區(qū)域，包含記錄切分的空白邊界位置。
4.如權(quán)利要求1所述的基于OCR的國際音標(biāo)切分算法，其特征在于，所述C.對粗切分后的圖像區(qū)域進(jìn)行判斷，包括步驟: C.1通過至少20次測試數(shù)據(jù)統(tǒng)計出國際音標(biāo)圖像的平均寬度和最大寬度； C.2通過步驟B，找出粗切分后所有圖像區(qū)域，計算出每個圖像區(qū)域的寬度； C.3用計算出的圖像區(qū)域和國際音標(biāo)圖像的平均寬度，與最大寬度作比較，根據(jù)比較結(jié)果判斷該圖像區(qū)域是否含有不止一個字符，如果沒有的話，則被正確的切分開； C.4如果含有不止一個字符，則對該圖像區(qū)域進(jìn)一步處理。
5.如權(quán)利要求1所述的基于OCR的國際音標(biāo)切分方法，其特征在于，所述D.對含有不止一個字符的圖像區(qū)域進(jìn)行切分，包括步驟: D.1找出步驟C.4中需要進(jìn)一步處理圖像區(qū)域； D.2對每個圖像區(qū)域進(jìn)行列操作求和，找出其中的最大值以及該最大值的所有位置； D.3把最大值的所有位置分別和圖像區(qū)域的中心位置進(jìn)行比較，距離最小的即為二次切分的位置； D.4進(jìn)行再次切分。
6.如權(quán)利要求1、2所述的基于OCR的國際音標(biāo)切分方法，其特征在于，所述A.對國際音標(biāo)圖像進(jìn)行預(yù)處理的步驟還包括: A.1.1對每個國際音標(biāo)圖像，用最大類間方差法計算出該圖像的閾值U， 如式: u = graythresh (I)(I) 其中，graythresh函數(shù)自動獲得一個確定的閾值； A.1.2把小于u的像素點(diǎn)的像素值賦為1，大于u的像素值賦為0，得到二值化圖像，其中目標(biāo)為0，背景為1， 如式:
if (I > u)，I = 0; else, I = 1.(2)
7.如權(quán)利要求1、3所述的基于OCR的國際音標(biāo)切分方法，其特征在于，所述B.國際音標(biāo)圖像進(jìn)行粗切分步驟的步驟還包括:B.1.1對國際音標(biāo)圖像進(jìn)行列操作求和， 如式:
8.如權(quán)利要求1、4所述的基于OCR的國際音標(biāo)切分方法，其特征在于，所述C.對粗切分后的圖像區(qū)域進(jìn)行判斷的步驟還包括: C.1.1通過至少20次測試國際音標(biāo)圖像，找出平均國際音標(biāo)圖像寬度和最大寬度， 如式:
9.如權(quán)利要求1、5所述的基于OCR的國際音標(biāo)切分方法，其特征在于，所述D.對含有不止一個字符的圖像區(qū)域進(jìn)行切分的步驟還包括: D.1.1對進(jìn)一步切分的圖像區(qū)域進(jìn)行列操作求和； D.1.2計算出列操作后的最大值以及最大值的所有位置， 如式: value_max = max(GX(I, vxl:vx2))(9) [windex-max] = find (GX == value_max) (10) 其中:vxl和vx2為圖像區(qū)域的兩個端點(diǎn)的切分位置，index_max為列操作求和后最大值的所有位置，value_max為列求和后最大值，find函數(shù)用于返回所需要元素的所在位置； D.1.3計算出圖像區(qū)域的中心位置， 如式: index_med = round ((vx2+cxl)/2) (11) 其中，indexjned為圖像區(qū)域的中心位置，round函數(shù)對元素值進(jìn)行四舍五入處理； D.1.4把最大值的所有位置分別和圖像區(qū)域的中心位置進(jìn)行比較，距離最小的即為二次切分的位置，然后進(jìn)行切分， 如式:f= abs (index—med-1ndex—max)(12)[a, index_cut] = min(f) (13)其中，index—cut為距離圖像區(qū)域中心處最近位置，abs函數(shù):取絕對值。
【文檔編號】G06K9/34GK103593665SQ201310574019
【公開日】2014年2月19日 申請日期:2013年11月15日 優(yōu)先權(quán)日:2013年11月15日
【發(fā)明者】黃繼風(fēng), 邱立松, 陳潔, 潘曉聲 申請人:上海師范大學(xué)