印刷文本文档中边缘注释的自动去除

从带有手写边缘注释的文档中恢复原始印刷文本是一项具有挑战性的任务，尤其是在原始文档不可用的情况下。因此，本文旨在通过检测并去除文档边缘区域出现的所有手写注释，从而从带注释的文档中自动挽救原始文档，且不造成任何信息丢失。本文提出了一种两阶段算法：第一阶段利用水平和垂直投影轮廓进行近似的边缘边界检测，去除所有边缘注释以及可能非常靠近边缘边界的部分原始印刷文本；第二阶段利用连通分量，应用一种策略将第一阶段中被裁剪掉的印刷文本分量恢复回来。该方法在一个包含 50 份具有复杂手写注释文档的数据集上进行了验证，在去除边缘注释方面的总体准确率为 89.01%，在恢复原始印刷文本文档方面的准确率为 97.74%。