Проверяемый текст
Терещенко Вадим Владиславович. Разработка и реализация новых принципов автоматического распознавания рукописных документов в компьютерных системах обработки данных (Диссертация 2000)
[стр. 64]

изображению называется векторизацией.
Из-за того, что реальные пишущие инструменты имеют ненулевую толщину,
и на полезное изображение накладывается шум и другие искажения, задача векторизации является неоднозначной.
Модель и формат хранения Изображение представляется графом, вершины которого соответствуют изолированным концам и точкам пересечений трех или более отрезков.
Кроме того, вершинами могут являться точки, разделяющие изображение на части, каждую из которых целесообразнее рассматривать индивидуально (острые углы при вычислении признаков, потенциальные точки порезки в линейном делении и т.п.).
Для каждой вершины графа на исходном изображении хранятся ее координаты.
Дуги графа представлены списком вершин ломаных линий, состоящих из исходных отрезков, и носят название цепей.
Координаты точек цепи записываются в порядке следования.
На рисунке внизу серым изображен векторизованный символ, а черными линиями — цепи.
Рис.
3.3.
Способ хранения векторного изображения.
Каждый из концов цепи прикрепляется к вершине.
Вершина имеет ссылки на все контактирующие с ней цепи.
Для оценки местоположения, длины и структуры цени и всего изображения вычисляются описывающие прямоугольники, со сторонами, параллельными осям координат.
64
[стр. 41]

РОССИЙСКАЯ госуд**6 4 Ц6ЯИ0Т ( человеком и записываются как выражения на языке структурных описаний.
В выражениях используются атрибуты выделенных структурных элементов.
Например, для различения цифр 1 и 7 признаком служит угол между двумя отрезками.
Для каждого классификатора подбирается индивидуальный набор признаков.
Структурное описание символа полностью определяет положение и свойства его частей, т.
е.
эффективно размечает символ, позволяя получить координаты всех характерных точек.
Наличие полной информации о структуре символа дает возможность очень просто запрограммировать индивидуальный набор признаков с отличной различающей способностью.
В описываемой системе признаки записываются как выражения на специальном языке, который допускает вычисление широкого спектра характеристик изображения и дает полный доступ к структуре символа.
Использование дифференциальных классификаторов, которые основываются на информации о структуре символа, позволяет добиться очень высокой точности распознавания.
«Массовость» дифференциального классификатора означает, что для максимального повышения точности системы необходимы тысячи парных классификаторов.
Чтобы это стало реальным, в процессе обучения реализуются автоматические процедуры для поиска пар близких классов, обучения и тестирования эталонов.
Для создания эталонов используется полностью интегрированная среда со встроенными средствами тестирования и отладки описаний.
Высокая автоматизация процедур обучения позволяет создать тысячи необходимых дифференциальных классификаторов за приемлемое время.
Векторное изображение Для вычисления признаков и обеспечения работы структурного классификатора формируется векторное представление изображения символа.
Это представление моделирует символ в виде статической траектории движения пишущего инструмента.
Процесс перехода к векторному изображению называется векторизацией.
Из-за того что реальные пишущие инструменты имеют ненулевую толщину,
а на полезное изображение накладывается шум и другие искажения, задача векторизации является неоднозначной.
Векторное изображение представляется неориентированным графом, вершины которого соответствуют изолированным концам и точкам пересечений штрихов.
С 41

[Back]