ارائه روشی مبتنی بر رای گیری برای ترکیب خروجی های شبکه های عمیق جهت آنالیز قالب بندی اسناد چاپی

در چند دهه گذشته، تحقیقات فراوانی در زمینه OCR یا نویسه خوان نوری انجام شده است. نویسه خوان نوری، یکی از راه های تبدیل تصاویر متنی به متن قابل ویرایش و شناسایی حروف و کلمات به صورت خودکار است. تشخیص مناطق متنی و غیرمتنی درون سند به آنالیز قالب بندی اسناد شناخته می شود و یکی از گام های کلیدی در روند تبدیل تصویر سند به متن قابل ویرایش است. جداسازی مناطق متنی و غیرمتنی درون یک تصویر از تاثیرگذارترین پیش پردازش های ممکن در سیستم های نویسه خوان نوری است. نبودن یک قالب یکسان در تمامی صفحات، وجود پس زمینه های پیچیده، نویزهای مختلف، کیفیت پایین، چرخش تصاویر و تصاویر چندین ستونه مانع از شناسایی درست مناطق حاوی متن می شوند. عدم تشخیص درست مناطق حاوی متن و به تبع آن عدم تشخیص صحیح مختصات خطوط، تمامی بخش های بعدی یک سیستم نویسه خوان نوری را دچار اخلال می کند. در این تحقیق، روشی نوین برای تشخیص مناطق متنی درون تصویر ارائه شده است. روش پیشنهادی، با بکارگیری از چندین روش مختلف و استفاده از سیستم رای گیری در میان آن ها، مناطق متنی تصویر را استخراج می نماید که تا کنون در کارهای پیشین از آن بهره گرفته نشده است. روش پیشنهادی بر روی دادگانی از تصاویر با بیش از ۹۵۰ صفحه مورد آموزش و آزمون قرار گرفته است  که نتایج آزمون حاکی از ارائه دقت ۹۷.۹۴% در روش پیشنهادی است. مجموعه دادگان ارائه شده در این مقاله به صورت آزاد در دسترس است.

کلیدواژه ها:

تقسیم بندی تصویر ، آنالیز قالب بندی سند ، آشکارسازی متن ، آشکارسازی تصویر ، رای گیری