APP下载

基于SVM的流程图像角点分类

2018-04-11孙连山张沙沙

陕西科技大学学报 2018年2期
关键词:分类特征结构

孙连山, 张沙沙, 侯 涛, 赵 晓

(陕西科技大学 电气与信息工程学院, 陕西 西安 710021)

0 引言

流程图代表着一个庞大的、有用的图像子集,可以直观地描述一个工作过程的具体步骤,具有重要的语义[1].流程图像中蕴含的丰富信息,对于检索和查新至关重要.基于图像匹配的检索技术已经得到了广泛关注[2,3].考虑到具有相同或相似语义的流程图布局多样,为了实现基于流程图像匹配的检索必须首先识别流程图像的语义,即将流程图像识别为描述流程图的文本信息.现有流程图像识别研究大体分为两类.一类是基于连通域的方法提取结构元素轮廓,然后通过轮廓拟合、BSM (Blurred Shape Model)、几何矩描述子等几何信息对结构元素逐一进行识别[3-5];另一类采用矢量化方法提取结构中的边线和结构元素之间的结合点,基于直线段序列以及直线段与结合点之间的组合对流程图结构进行识别[6-8].这些方法虽然能较好地处理清晰的流程图像,但无法正确处理包含文图粘连和断边等情况的模糊流程图像.

角点是图像的重要局部特征,已被广泛应用于计算机视觉和图像处理的众多领域当中[9].流程图像中的角点是直线或曲线线条的交汇点.流程图的图元结构可表示为特定类型的角点组合,如矩形图元可表示为左上(┌)、右上(┐)、左下(└)、右下(┘)等四类角点的组合.流程图像的角点不受图文粘连和断边的影响,善加利用可以解决现有流程图像识别研究所面临的挑战.自……

登录APP查看全文

猜你喜欢

分类特征结构
《形而上学》△卷的结构和位置
分类算一算
如何表达“特征”
论结构
不忠诚的四个特征
教你一招:数的分类
论《日出》的结构
创新治理结构促进中小企业持续成长
线性代数的应用特征