使用基于图的签名与贝叶斯网络分类器的图形符号识别

我们提出了一种用于识别技术文档中复杂图形符号的新方法。图形符号识别是文档图像分析领域中众所周知的挑战，也是大多数图形识别系统的核心。我们的方法使用结构化方法进行符号表示，使用统计分类器进行符号识别。在我们的系统中，我们通过基于图的签名来表示符号：图形符号被矢量化并转换为属性关系图，该图用于计算符号的特征向量。该签名对应于符号的几何与拓扑结构。我们学习一个贝叶斯网络来编码符号签名的联合概率分布，并在监督学习场景中将其用于图形符号识别。我们在GREC数据库中经过合成变形和降质的预分割2D建筑与电子符号图像上评估了我们的方法，并获得了令人鼓舞的识别率。