碑铭文字图像的去噪与分割

本文提出了一种利用Haralick特征对图像去噪并进一步使用人工神经网络分割字符的新方法。图像被划分为核，每个核被转换为GLCM（灰度共生矩阵），对其调用Haralick特征生成函数，结果是一个包含对应十四个特征的十四个元素的数组。Haralick值及相应的噪声/文本分类构成一个字典，随后通过核比较用于图像去噪。分割是从文档中提取字符的过程，可用于字母由空白分隔（即显式边界标记）的情况。分割是许多自然语言处理问题的第一步。本文探讨了使用神经网络进行分割的过程。尽管已有大量文档字符分割方法，本文仅关注使用神经网络进行分割的准确率。正确分割字符至关重要，否则将导致自然语言处理工具识别错误。使用人工神经网络达到了最高89%的准确率。该方法适用于字符由空白界定的语言。然而，对于大量使用连写字母的语言，该方法无法提供可接受的结果。例如主要在印度北部使用的Devanagari文字。