宋志平,朱亚俐,徐学斌,吾尔尼沙·买买提,库尔班·吾布力,2†
(1.新疆大学 信息科学与工程学院,新疆 乌鲁木齐 830017;2.新疆多语种信息技术重点实验室,新疆 乌鲁木齐 830017)
随着文档图像规模越来越大,对于英文和中文的光学字符识别[1](Optical Character Recognition,OCR)技术已经十分成熟.在OCR识别技术的带动下,人们对于少数民族文字研究也越来越广泛,其中印刷体维吾尔文文档图像检索的研究可以加快维吾尔文数字图书馆的建设与发展,对促进我国少数民族文化的发展具有极其重要的意义.
在文档图像领域中Manmatha等[2−3]第一次提出一种基于词图像匹配的关键词检索算法,在对手稿图像进行词图像分割的基础上实现了手稿图像的检索,在接下来的研究工作中,该团队提取了手写体单词图像的多维轮廓特征,并用动态时间扭曲(Dynamic Time Warping,DTW)算法对单词图片进行检索.Rothfeder等[4]在检索中对样本图像提取Harris角点序列,对查询词也提取同样的特征,度量值设置为像素灰度差的平方和(Sum of Squared Differences,SSD)的计算值.Vadivukarassi等[5]提出了一种提取关键图像特征的HOG-SIFT算法,最后利用子空间聚类算法从图像数据库中提取目标图像.Niaz等[6]提出了一种基于索引和检索的英语文档索引系统,将含有英文文本的文档图像分成连接词,每个文本用一组特征表示,分别提取图像的DCT和DWT特征,然后利用欧氏距离进行关键词检索.黄祥琳等[7]提出一种不经过ORC识别情况下,将中文文档图像分割成单个中文字符图片,再对中文字符图像的笔画特……