基于深度学习方法的手写文本行提取综述

杨益暄，田益民，崔圆斌，齐千慧，韩利利

（北京印刷学院 信息工程学院，北京 102600）

0 引 言

信息技术的飞速发展无时无刻不在影响着人们的生活。多媒体数字网络的迅猛发展，使传统的纸质媒体受到了剧烈的冲击。然而仍然有很多价值珍贵的或对个人而言意义重大的资料保存记录在纸质媒介上。如杂志、手写文稿、历史文稿等。当在成千上万的文档中搜索信息时，纸质文档的不适用性就会体现出来。文档分析与识别（Document Analysis and Recognition，DAR）［1］系统是一项复杂的工程任务，其一般包含文本与非文本部分分离、文本行或单词提取、文本倾斜和偏移的校正、字符或单词识别等步骤。其中，文本行是文档图像中的重要实体，因此正确提取文档中的文本行将直接影响单词或字符识别的准确程度。

当今流行的文本行提取方法分为两大类：传统方法和学习方法。传统手写文本行提取方法主要基于机器学习和启发式算法，又可细分为3类［5］：自顶向下的方法、自底向上的方法和混合型方法。自顶向下的方法对文本行的字符序列部分进行分组，并将属于不同文本行的各个组成部分进行拆分，从而实现文本行的定位。如文献［6］，用接缝裁剪法获取图像特征后，通过计算能量图分割文本行；Alaei［7］等人则先确定行间间隙，然后在每个间隙上应用分段过滤，最后使用细化算法分割手写文本行。自底向上的方法则是根据局部特征对像素或相连的部分进行分组，以形成文本行。如，文献［8］使用超像素法获得图像连通区域（Connected components，CCs），并通过最小化能量函数对CCs进行分割提取文本行。……