[發(fā)明專利]一種維吾爾文圖像文件的標(biāo)注方法

有效

• 申請?zhí)枺?/td>: 201310244905.9
• 申請日: 2013-06-19
• 公開（公告）號: CN103345481A
• 公開（公告）日: 2013-10-09
• 發(fā)明（設(shè)計(jì)）人: 哈力木拉提·買買提
• 申請（專利權(quán)）人: 新疆大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/46;G06K9/20
• 代理公司: 北京超凡志成知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11371
• 代理人: 吳開磊

技術(shù)領(lǐng)域

本發(fā)明涉及維吾爾文字識別領(lǐng)域，尤其涉及一種維吾爾文圖像文件的標(biāo)注方法。

背景技術(shù)

維吾爾文是新疆等地少數(shù)民族所使用的拼音文字。現(xiàn)行維吾爾文有32個(gè)字母，自右至左橫書。每個(gè)字母按出現(xiàn)在單詞首、單詞中、單詞末的位置有不同的形式。維吾爾文形成圖像文件時(shí)，根據(jù)實(shí)際需要對文件（例如：出版物上的維吾爾文）進(jìn)行掃描得到圖像文件，然后進(jìn)行識別圖像文件上的維吾爾文工作。

在識別維吾爾文之前還需要對圖像文件中圖像單詞進(jìn)行標(biāo)注工作（即將圖像文件與文本文件的內(nèi)容一一對應(yīng)起來），其工作難點(diǎn)在于：如何正確的標(biāo)注圖像文件的標(biāo)注信息。然而在現(xiàn)有技術(shù)中，圖像文件通過人工標(biāo)注文本信息，其缺點(diǎn)在于人工標(biāo)注效率很低，另外很容易出現(xiàn)錯(cuò)誤的標(biāo)注信息，然而由于數(shù)據(jù)處理量較大，通過人工操作方法在大量的文本文件中找到錯(cuò)誤標(biāo)注信息再進(jìn)行校正和標(biāo)注，同樣會(huì)浪費(fèi)很長的時(shí)間，這樣整個(gè)標(biāo)注過程的處理效率都很難得到保障。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種維吾爾文圖像文件的標(biāo)注方法，以解決上述問題。

為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種維吾爾文圖像文件的標(biāo)注方法，包括如下步驟：

預(yù)先存儲(chǔ)經(jīng)掃描圖像文件以及與所述圖像文件一一對應(yīng)的文本文件；

在標(biāo)注每一頁圖像文件對應(yīng)的文本文件的標(biāo)注信息時(shí)，提取每頁圖像文件的特征向量和對應(yīng)的文本文件的特征向量，利用余弦函數(shù)計(jì)算并分析圖像文件與文本文件特征向量相似性，在每一頁圖像文件與對應(yīng)的每一頁文本文件的區(qū)域中，利用二分法迭代計(jì)算相似性，查找相似單詞圖像及對應(yīng)的標(biāo)注信息進(jìn)行標(biāo)注，縮小錯(cuò)誤標(biāo)注信息所在區(qū)域，最終查找不相似的單詞圖像對應(yīng)的錯(cuò)誤標(biāo)注信息；

對不相似的單詞圖像對應(yīng)的錯(cuò)誤標(biāo)注信息進(jìn)行校正，再執(zhí)行標(biāo)注操作；

所述圖像文件包括多個(gè)維吾爾文掃描圖像文件；所述文本文件包括與多個(gè)維吾爾文掃描圖像文件對應(yīng)的標(biāo)注信息文件。

與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例的優(yōu)點(diǎn)在于：

本發(fā)明提供的一種維吾爾文圖像文件的標(biāo)注方法，包括如下步驟：

首先，預(yù)先存儲(chǔ)經(jīng)掃描處理的多個(gè)圖像文件以及與所述圖像文件一一對應(yīng)的文本文件；這是實(shí)現(xiàn)查找錯(cuò)誤標(biāo)注信息的預(yù)處理過程。

然后，提取每個(gè)頁圖像文件的圖像特征向量和對應(yīng)的每頁文本文件的特征向量，并分析圖像文件的特征向量與文本文件的特征向量的相似性；顯然每頁圖像文件中的單詞圖像與文本文件中的單詞標(biāo)注信息都是一一對應(yīng)的，如果兩個(gè)文件相似度很高，那么圖像文件中的單詞圖像被文本單詞正確標(biāo)注；相反地，如果不相似，那么說明圖像文件中的單詞圖像存在錯(cuò)誤標(biāo)注。

利用上述原理并結(jié)合二分法迭代計(jì)算相似性查找錯(cuò)誤標(biāo)注信息，在不斷的使用二分法的過程中，不斷地縮小不相似區(qū)域，并最終確定錯(cuò)誤標(biāo)注信息；利用二分法初始化查找時(shí)，將整頁圖像文件的區(qū)域與對應(yīng)的整頁文本文件的區(qū)域均分為兩個(gè)等分子區(qū)域，判斷當(dāng)前圖像文件的子區(qū)域與當(dāng)前文本文件的子區(qū)域相似性，若相似，則說明單詞圖像標(biāo)注信息正確，對相似單詞圖像部分進(jìn)行自動(dòng)標(biāo)注；若不相似，則可以判定當(dāng)前文本文件的子區(qū)域中含有與當(dāng)前圖像文件的子區(qū)域內(nèi)單詞圖像對應(yīng)的錯(cuò)誤標(biāo)注信息。然后將在含有錯(cuò)誤標(biāo)注信息的子區(qū)域繼續(xù)分成兩個(gè)等分子區(qū)域，再判定相似性，不斷縮小錯(cuò)誤標(biāo)注信息的區(qū)域，最終確定單詞的精確區(qū)域位置，這樣經(jīng)過二分法迭代（多次）查找后，并最終確定不相似的單詞圖像以及單詞圖像對應(yīng)的錯(cuò)誤標(biāo)注信息。對不相似的單詞圖像對應(yīng)的錯(cuò)誤標(biāo)注信息進(jìn)行校正標(biāo)注信息，再執(zhí)行標(biāo)注操作；這樣便可以完成了完整的自動(dòng)標(biāo)注流程。

本發(fā)明提供的維吾爾文圖像文件的標(biāo)注方法，利用數(shù)字圖像處理技術(shù)結(jié)合文件特征向量的相似性特點(diǎn)，采用二分法迭代原理，從而快速地查找到了文本文件中的錯(cuò)誤標(biāo)注信息。

附圖說明

圖1為本發(fā)明實(shí)施例提供的維吾爾文圖像文件的標(biāo)注方法的流程示意圖。

具體實(shí)施方式

下面通過具體的實(shí)施例子并結(jié)合附圖對本發(fā)明做進(jìn)一步的詳細(xì)描述。

參見圖1，本發(fā)明實(shí)施例提供了一種維吾爾文圖像文件的標(biāo)注方法，包括如下步驟：

步驟S100、預(yù)先存儲(chǔ)經(jīng)掃描圖像文件以及與所述圖像文件一一對應(yīng)的文本文件；