基于低秩矩阵分解的批量扫描文档图像纠偏
文档扫描图像的批量自适应优化和归档
文档 图像普遍存在 图像质 量不理想的状况 ， 一 般包 括图像有黑 边或 白边 、 某种程度 的倾斜 、 对 比度较 差等 问题 ； 此外 ， 要符合
ｏｆ ｂ ａ ｔ ｃ ｈ ｉ ｍ ａｇ ｅ ，ｔ ｈｅ ａ ｌ ｇｏ ｒ ｉ ｔ ｈ ｍ ｄｅ ｓ ｉ ｇｎ，ｔ ｈｅ ｉｎ ｆ ａ ｌ ｒ ｅ ａｌ ｉ ｚ ａ ｔ ｉ ｏｎ ｏｆ ｔ ｈｅ Ｊ ＰＧ，ｉ ｎ ｃ ｌ ｕ ｄｉ ｎｇ ａ ｖ ａ ｉｅ ｒ ｔ ｙ ｏ ｆ ＰＤＦ ｈｅ ｔ ｂ ｕｌ ｋ ｏ ｆ ｔ ｈｅ ｉ ｍａ ｇ ｅ ｆ ｏ ｒ ｍａ ｔ
案。
关键词 ： 倾 斜校 正 ； 自动裁剪 ； Ａ适应阈值分割 ； 高压缩比压缩 中图分类号 ： Ｔ Ｐ １ ８ 文献标识码 ： Ａ 文章编号 ： １ ０ ０ ９ — ３ ０ ４ ４ （ ２ ０ １ ６ ） ２ ８ — ０ ２ １ ７ — ０ ３
Ｂａ ｔ ｃ ｈ Ａｄ ａ ｐ ｔ ｉ ｖ ｅ Ｏｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ Ｆ ｉ ｌ ｉ ｎ ｇ ｏ ｆ Ｄｏ ｃ ｕ ｍｅ ｎ ｔ Ｓ ｃ ａ ｎ ｎｉ ｎ ｇ Ｉ ｍａ ｇ ｅ ｓ
ａ ｇ ｅ ， ａ ｎ ｄ ｅ ｖ ｅ ｎ ｈ ｉ ｓ ｔ ｏ ｒ ｙ ｓ ｃ ａ ｎ ｓ ｏ ｆ ｏ ｌ ｄ ｈ ａ ｎ ｄ ｗｒ ｉｔ ｔ ｅ ｎ ｄ ａ ｔ ａ ｉ ｍａ ｇ ｅ ｏ ｒ ｉ ｍａ ｇ ｅ ｑ ｕ ａ ｌ ｉ ｔ ｙ ｉ ｓ ｎ ｏ ｔ ｉ ｄ ｅ ａ ｌ ， ｂ ｙ ａ ｎ ａ ｌ ｙ ｚ ｉ ｎ ｇ ｈｅ ｔ ｃ ｏ ｍｍ ｏ ｎ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ
Ｉ Ｓ Ｓ Ｎ １ ０ ０ ９ — ３０ ４ ４
Ｅ — ｍａ ｉ ｌ ： ｅ ｄ ｕ 胞ｄ ｎ ｚ ｓ ． ｎ ｅ ｔ ． ｅ ｎ ｈ ｔ ｔ ｐ ： ／ ／ ｗ ｗｗ ． ｄ ｎ ｚ ｓ ． ｎ ｅ ｔ ． ｃ ｎ
基于低秩稀疏分解优化的图像标签完备
Abstract: Due to the randomness of user semantic annotation, a large number of uploaded network images result in incompleteness of image tags, which greatly reduces the efficiency of image retrieval. Low-rank sparseness is an effective method to reduce data noise. To improve the completeness of image semantic labeling, this paper proposes a method of image tag completion based on low-rank sparse decomposition and optimization (LRSDO). Firstly, the features and semantics of an incomplete image are combined to search its nearest neighbor image sets. Secondly, the mapping relationship between features and semantics of the image is obtained by low-rank sparse model, and then its candidate labels are predicted. Finally, in order to achieve more accurate image label completeness, candidate labels are optimized by using an individual-oriented label co-occurrence frequency method. Experiments on benchmark dataset Corel5K and real dataset Flickr30Concepts show that our method has better performance in image tag completion.
文档影像快速纠偏算法的应用研究
文档影像快速纠偏算法的应用研究
韩冰
【期刊名称】《计算机时代》
【年(卷),期】2005(000)010
【摘要】从应用角度出发,结合当前文档影像管理系统的特点,分析了常见的文档影像纠偏算法及各自的优缺点,并在此基础上有针对性地提出了文档影像的快速纠偏算法.目前文档影像管理系统主要应用于各行业的档案管理部门,文档影像内容的不确定性很强,加之高速文档扫描仪的自动馈纸机制使在扫描过程中难免会产生文档影像的倾斜,在很大程度上限制了整个系统的运行效率,增加了建立索引环节的工作强度.文章提出的纠偏算法具有适应性好、鲁棒性强、纠偏速度快等特点,有很大的应用价值.
【总页数】3页(P24-25,28)
【作者】韩冰
【作者单位】哈尔滨工业大学计算机系,黑龙江,哈尔滨,150001
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于WVD 的文档图像纠偏算法 [J], 李静梅;姚成浪;冉祥金
2.一种快速的文档图像倾斜角检测算法 [J], 吴军;侯德文;刘江;
3.影像匹配中核线影像的快速生成算法 [J], 耿则勋
4.基于空间误差同质区的矢量电子地图快速纠偏算法 [J], 蔡文婷;刘正坤
5.文档图像纠偏算法的研究与分析 [J], 戴涛;韩旭东;冯天骄
因版权原因，仅展示原文概要，查看原文内容请购买。
基于低秩矩阵优化的纹理图像修复
梁 霄
纯使用低秩假设不足以描述自然图像的性质， 因此除了纹理的低秩性以外， 算 法 还 使用了自然图像的连续性假设： 在优化目标 函数中加入了总变分算子。结合纹理的低秩性和连续性假设， 提出了基于凸优化的纹理图像修复算法， 可以在不知道图像损毁 区域的情况下自动检测损毁区域并修复纹理图像。通过结合图像的低秩性假设和连续性假设， 此算法有效弥补了单纯使用低 秩假设的不足之处。该算法可以有效修复低秩纹理图像， 且 无 论 是 在主 观 视 觉 效 果 还 是 客观 量 化 指 标上 全 面 优 于现 有 同 类 算法。 关键词： 图像修复;低秩纹理； 总变分算子； 凸优化； 线性化交替方向法;增广拉格朗日乘子
第 11卷 第 20期 年 月
2016 10
CHINA SCIENCEPAPER
中国科技论文
Vol. 11 No. 20 Oct 2016
基于低秩矩阵优化的纹理图像修复
( 清 华 大 学 高 等 研 究 院 ，北 京 100086)
摘 要 : 提出了 1 种新的低秩纹理图像修复算法， 该算法将低秩纹理图像修复问题建模成低秩矩阵优化问题进行求解。 由于单
收稿日期： 第一作者： 梁霄
或有划痕的自然图像;然而对于有大块损毁区域或 者损毁比例非常高的情况， 这些方法并不适用或者 会产生模糊效果。 大面积图像缺失区域的修复依赖于对纹理的统 计规律假设或者纹理的结构假设。满足一定假设条 件的纹理才能进行修复或者延展， 如随机纹理或各 向同性规则纹理。其主流的修复方法就依赖于这样 一种假设， 它们从给定区域借鉴相似的像素或补丁 来完成图像修复的过程， 如 块 匹 配 算 法 （ Patch Match) ^ 133。这些方法最初主要广泛应用于计算机 图 形 学 ， 随 后 L iu 等 ^通 过 对 纹 理 的 对 称 性 结构分析提出了新的基于区域的修复算法， 将算法 扩展应用到规则或近似规则的纹理上。然而这类算 法通常需要预先进行纹理的对称性分析或者做出相 应的参数调整才能顺利应用到现实世界中多种多样 的纹理上。 本文主要研究规则或近似规则的纹理。本文所
如何应用图像处理技术进行图像纠偏
如何应用图像处理技术进行图像纠偏图像纠偏是一种应用于图像处理领域的重要技术。
它可以通过自动或者半自动的方式，将倾斜的图像纠正为垂直或水平的状态。
图像纠偏在很多领域都具有广泛的应用，例如文字识别、图像识别、图像重建等。
本文将介绍如何应用图像处理技术进行图像纠偏，以及相关的方法和算法。
图像纠偏的目标是将倾斜的图像矫正为垂直或水平的状态，以提高后续处理的准确性和效果。
为了实现图像纠偏，我们需要使用一些基础的图像处理技术和算法，例如边缘检测、直线检测和图像旋转。
一种常用的图像纠偏方法是基于边缘检测的直线检测。
该方法首先通过边缘检测算法，如Canny边缘检测算法，提取图像中的边缘信息。
利用直线检测算法，如霍夫变换，从边缘图像中检测出各个直线段的位置和角度。
接下来，通过计算直线段的平均角度，可以得到图像需要旋转的角度。
将图像根据旋转角度进行逆时针旋转，即可实现图像的纠偏。
除了基于直线检测的方法外，还有一种基于图像特征的图像纠偏方法。
该方法首先通过特征提取算法，如SIFT或SURF，获取图像中的关键特征点。
根据特征点之间的几何关系，计算出图像需要旋转的角度。
将图像按照旋转角度进行逆时针旋转，即可实现图像的纠偏。
在实际应用中，图像纠偏除了解决图像倾斜的问题，还可以解决其他复杂的图像变换问题，例如透视变换。
透视变换是一种将图像投影到二维平面上的技术，常用于校正由摄像机透视引起的图像失真。
通过图像纠偏技术，可以将透视变换后的图像校正为正常的平面图像，以提高后续图像处理的准确性和效果。
除了上述基本的图像纠偏方法，还有一些特定领域的图像纠偏技术。
例如，针对卫星图像中的倾斜问题，可以利用地平线检测算法来实现图像纠偏。
该算法通过分析图像中的地平线位置和角度，自动计算出图像需要旋转的角度，从而实现图像的纠偏。
总结起来，图像纠偏是一种应用广泛的图像处理技术，可以通过基于直线检测或者图像特征的方法来实现。
它对于提高图像处理的准确性和效果具有重要意义。
扫描文档图像纠偏技术应用研究的开题报告
扫描文档图像纠偏技术应用研究的开题报告一、选题背景在现代化的社会生活中，数字化技术的应用越来越广泛。
在许多场景中，我们需要将纸质文档、图像等物理媒介转化成数字化的形式，方便传输、编辑、存储等操作。
在这个过程中，文档图像的质量对后续操作的效率和准确性都有很大的影响。
在进行文档图像扫描时，往往会出现由于用户摆放不规范、扫描设备问题等造成的文档图像倾斜、歪曲等问题。
这些问题如果不予以有效的处理，就会对后续的扫描、识别等操作造成很大的困难。
因此，实现文档图像纠偏技术，在一定程度上可以提高扫描文档图像的品质，为后续文本识别、自动归档、智能查询等操作提供方便。
本研究旨在探讨文档图像纠偏技术的应用问题及其理论研究，以提高文档数字化后的准确性和效率。
二、研究内容1. 研究文档图像纠偏技术的基本原理和算法。
2. 探索文档图像纠偏技术在不同场景下的应用，分析其优点和限制。
3. 针对不同类型的文档图像，设计合适的纠偏策略，提高纠偏质量。
4. 结合实际案例，评估文档图像纠偏技术的准确性和效率，分析其优化空间。
三、研究方法1. 文献调查法：通过查阅相关文献，理解文档图像纠偏技术的理论基础和算法。
2. 实证研究法：结合实际案例，设计实验，验证文档图像纠偏技术的准确性和效率。
3. 系统性分析法：对文档图像纠偏技术的优劣点进行系统性分析，总结出改进方案。
四、研究意义本研究旨在探索文档图像纠偏技术的应用问题及其理论研究，提高文档数字化后的准确性和效率。
该研究对于促进数字化技术的发展，提高数字文档的质量和可靠性，具有重要的现实意义和应用价值。
五、预期成果1. 完成文档图像纠偏技术的基本原理和算法的总结。
2. 探索文档图像纠偏技术在不同场景下的应用，分析其优点和限制。
3. 针对不同类型的文档图像，设计合适的纠偏策略，提高纠偏质量。
4. 结合实际案例，评估文档图像纠偏技术的准确性和效率，分析其优化空间。
5. 撰写一篇学位论文。
六、进度安排1. 第一周：了解文档图像纠偏技术的基本原理和算法，查阅相关文献。
文档扫描图像的批量自适应优化和归档
文档扫描图像的批量自适应优化和归档作者：郑静王腾来源：《电脑知识与技术》2016年第28期摘要：本文针对各种印刷和手写的纸质材料经过扫描仪扫描后形成的结果图像，甚至是老旧手写资料的扫描结果图像或图像质量不理想的历史扫描资料，通过对批量图像的共同特点进行分析，经算法设计，最终实现了对JPG、PDF等在内的多种格式扫描图像的批量性角度校正、去黑白边、高压缩比压缩和文档化归档处理，且着重介绍了算法的难点及其解决方案。
关键词：倾斜校正；自动裁剪；自适应阈值分割；高压缩比压缩中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）28-0217-03Abstract：in this paper， a variety of printed and handwritten paper materials by scanning the results after the formation of the image， and even history scans of old handwritten data image or image quality is not ideal， by analyzing the common characteristics of batch image， the algorithm design， the final realization of the JPG， including a variety of PDF the bulk of the image format scan angle correction， go to the black and white edge， high compression ratio and document archiving， and emphatically introduces the algorithm of difficulties and solutions.Key words： tilt correction； automatic clipping； adaptive threshold segmentation； high compression ratio1 引言在将纸质文档通过图像扫描设备转换为文本图像并进一步进行归档的过程中，由于人为因素或机械设备误差的影响，文档图像普遍存在图像质量不理想的状况，一般包括图像有黑边或白边、某种程度的倾斜、对比度较差等问题；此外，要符合归档要求，图像文件的压缩格式和图像大小也必须符合特定的要求。
基于低秩矩阵分解的批量扫描文档图像纠偏
基于低秩矩阵分解的批量扫描文档图像纠偏王恒友;余沾;张长伦;何强【摘要】扫描文档图像纠偏的关键是对图像偏转角度进行快速准确的估计.传统的基于图片自身纹理结构的算法,如Hough变换、Radon变换,不仅易受文档自身特殊结构或噪声影响,而且单幅图像纠偏的平均耗时较长.提出了一种基于低秩矩阵分解理论扫描文档图像的批量纠偏方法,该方法将批量图像构造成一个较大的矩阵,通过迭代对每一列进行适当地旋转,达到矩阵具有较低秩的目的,进而实现对每副图像偏转角度的恰当估计及纠偏.实验结果表明,该方法不仅具有较高纠偏的精度,而且单幅图片的平均耗时也小于现有的图片纠偏算法.【期刊名称】《计算机工程与应用》【年(卷),期】2018(054)017【总页数】6页(P175-179,207)【关键词】低秩矩阵分解;扫描文档图像;批量图像纠偏;Hough变换;Radon变换【作者】王恒友;余沾;张长伦;何强【作者单位】北京建筑大学理学院,北京 100044;北京建筑大学理学院,北京100044;北京建筑大学理学院,北京 100044;北京建筑大学理学院,北京 100044【正文语种】中文【中图分类】TP3111 引言随着信息科学技术的迅速发展，档案存储电子化、图书电子化、工程图纸电子化等越来越广泛。
这些技术的应用通常需要将大量的纸质文档资料，通过扫描转换成电子文档图像。
纸质文档扫描转换过程中受扫描仪走纸机制的影响或其他人为操作等因素的影响，难免使得扫描得到的图像发生一定角度的倾斜，特别是批量文档的扫描更容易产生部分文档的倾斜。
在文档图像的后续处理与使用中，对图像的倾斜都很敏感。
如，文字的自动识别、语义理解、在线翻译等。
因此，能否快速有效地完成大量扫描文档图像的纠偏，是后续图像处理工作能否达到预期效果的关键因素。
目前解决该问题的方案有两种：一是进一步提高单幅文档扫描图像的纠偏速度，对图像进行逐一纠偏，从而实现大量文档扫描图像的快速纠偏。
基于WVD 的文档图像纠偏算法
基于WVD 的文档图像纠偏算法
李静梅;姚成浪;冉祥金
【期刊名称】《应用科技》
【年(卷),期】2006(033)005
【摘要】提出了一种效率很高的文档图像纠偏算法,即利用文档图像的水平投影值,得到水平投影值的维格纳-威利分布.根据维格纳-威利分布的极值的最大值得到偏斜角度,实验结果验证了算法的有效性.
【总页数】3页(P34-36)
【作者】李静梅;姚成浪;冉祥金
【作者单位】哈尔滨工程大学,计算机科学与技术学院,黑龙江,哈尔滨,150001;哈尔滨工程大学,计算机科学与技术学院,黑龙江,哈尔滨,150001;哈尔滨工程大学,计算机科学与技术学院,黑龙江,哈尔滨,150001
【正文语种】中文
【中图分类】TP301
【相关文献】
1.基于WVD和OEW算法识别矿用栓接电缆电连接松动故障 [J], 郭凤仪;陈艳君;王智勇;郑志强;王贺;刘艳丽
2.基于低秩矩阵分解的批量扫描文档图像纠偏 [J], 王恒友;余沾;张长伦;何强
3.基于改进MP-WVD算法的核电厂建设爆破振动信号处理方法 [J], 梅比;汪旭光;杨仁树
4.基于遗传算法优化参数的VMD-WVD的无人机微动特征时频分析方法 [J], 蔡
宇;欧阳缮;廖可非
5.文档图像纠偏算法的研究与分析 [J], 戴涛;韩旭东;冯天骄
因版权原因，仅展示原文概要，查看原文内容请购买。
基于多个低秩纹理提取的图像校正方法
基于多个低秩纹理提取的图像校正方法马金辰;谢世朋;李海波【摘要】Low-rank textures play an important role in image processing fields. By extracting the low-rank textures accurately,the distort-ed or damaged image can be rectified effectively. However,the existing methods based on texture extraction always rectify the region of interest as a whole,which makes it comes to nothing in many complex cases. Aiming at the above-mentioned problems,an improved rec-tification algorithm is proposed based on multiple low-rank textures extraction. The new rectification algorithm is able to extract multiple low-rank textures respectively and solve a large number of problems of image renewing for distorted or damaged images in practical ap-plication. In order to optimize the experimental results,the selected regions are segmented and each sub-region is rectified respectively which can enhance the adaptability of the initialization window to the texture. Experimental results demonstrate that the proposed method is able to rectify multiple low-rank textures in the same region of interest. In complex circumstances such as convex plane,multiple in-compatible regions,complex textures and so on,the ideal processing results can be obtained with it. Further more,the results are more in accord with human vision characteristics,which is a critical evaluation criteria.%低秩纹理是图像处理领域中具有重要几何意义的结构,通过提取低秩纹理可以对畸变或受损图像进行有效校正;但现有的基于低秩纹理提取的图像校正方法只能把感兴趣区域看作一个整体,从而导致许多复杂情况下的校正无法获得理想结果.针对上述问题,对现有算法进行改进,实现感兴趣区域的多个低秩纹理分别提取,用以解决实际应用中的多种畸变和受损图像的恢复问题.对选定区域进行分割,对每个子区域分别进行低秩校正,加强初始化窗口对纹理的适应性,从而优化校正效果.大量实验结果表明,该方法可以有效处理同一感兴趣区域中的多个低秩纹理,在凸平面、多个不兼容区域和复杂纹理等多种情况下仍然可以获得正确的处理结果,且校正效果与原算法相比更加符合人眼视觉特性.【期刊名称】《计算机技术与发展》【年(卷),期】2017(027)003【总页数】6页(P97-102)【关键词】低秩纹理;增广拉格朗日乘数法;图像分割;多分辨率;分支定界【作者】马金辰;谢世朋;李海波【作者单位】南京邮电大学通信与信息工程学院,江苏南京 210003;南京邮电大学通信与信息工程学院,江苏南京 210003;南京邮电大学通信与信息工程学院,江苏南京 210003【正文语种】中文【中图分类】TP391.41图像校正技术的研究在图像处理领域具有十分重要的应用，如智能交通管理系统中的车牌识别、超市条形码录入等。
基于低秩矩阵填充与恢复的图像去噪方法研究
基于低秩矩阵填充与恢复的图像去噪方法研究目录摘要........................................................................................................................... ..... I 第一章绪论.................................................................................................................... - 1 -1.1课题研究目的及意义.................................................................................................. - 1 -1.2国内外研究现状与发展趋势...................................................................................... - 2 -1.2.1国内外研究现状............................................................................................... - 2 -1.2.2发展趋势........................................................................................................... - 3 -1.3论文研究内容与组织结构.......................................................................................... - 4 -1.3.1研究内容........................................................................................................... - 4 -1.3.2本文结构安排................................................................................................... - 4 -第二章稀疏表示理论.................................................................................................... - 6 -2.1稀疏表示的理论.......................................................................................................... - 6 -2.2 稀疏表示模型求解算法............................................................................................. - 7 -2.2.1贪婪算法........................................................................................................... - 7 -2.2.2凸松弛优化算法............................................................................................... - 8 -2.3压缩感知理论.............................................................................................................. - 9 -2.4稀疏表示的应用.......................................................................................................... - 9 -2.5本章小结.....................................................................................................................- 10 -第三章矩阵重建理论基础........................................................................................... - 11 -3.1 矩阵恢复.................................................................................................................... - 11 -3.1.1矩阵恢复模型描述 (12)3.1.2矩阵恢复模型应用..........................................................................................- 12 -3.2 矩阵填充....................................................................................................................- 13 -3.2.1矩阵填充模型描述 (13)3.2.2矩阵填充模型应用..........................................................................................- 14 -3.3 本章小结....................................................................................................................- 15 -第四章矩阵重建求解算法...........................................................................................- 16 -4.1 矩阵恢复求解算法....................................................................................................- 16 -4.1.1APG算法 .........................................................................................................- 17 -4.1.2ALM算法.........................................................................................................- 19 -4.2 矩阵填充求解算法....................................................................................................- 22 -4.2.1SVT算法..........................................................................................................- 23 -4.2.2APG算法 .........................................................................................................- 24 -4.2.3ADMM算法.....................................................................................................- 25 -4.2.4ALM算法.........................................................................................................- 27 -4.3 数据结果分析............................................................................................................- 28 -4.3.1低秩矩阵恢复算法结果分析..........................................................................- 28 -4.3.2低秩矩阵填充算法分析 (31)4.4 本章小结....................................................................................................................- 33 -第五章低秩遮挡图像去噪方法...................................................................................- 35 -5.1 基于低秩矩阵填充的LRMR算法模型...................................................................- 35 -5.2 改进模型的求解方法................................................................................................- 35 -5.3实验结果及分析.........................................................................................................- 38 -5.3.1算法性能比较..................................................................................................- 38 -5.3.2图像去噪应用..................................................................................................- 38 -5.4 本章小结....................................................................................................................- 41 -第六章总结与展望.......................................................................................................- 42 -6.1 总结........................................................................................................................... .- 42 -6.2 今后研究工作............................................................................................................- 43 -参考文献........................................................................................................................... - 44 -攻读学位期间所取得的相关科研成果...........................................................................- 50 -致谢........................................................................................................................... - 51 -河北工业大学硕士学位论文第一章绪论1.1课题研究目的及意义图像是当今社会获取信息的重要介质，研究发现，人类获取的信息中60%以上来自于外界图像。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1 引言
随着信息科学技术的迅速发展，档案存储电子化、 图书电子化、工程图纸电子化等越来越广泛。这些技术 的应用通常需要将大量的纸质文档资料，通过扫描转换 成电子文档图像。纸质文档扫描转换过程中受扫描仪 走纸机制的影响或其他人为操作等因素的影响，难免使 得扫描得到的图像发生一定角度的倾斜，特别是批量文 档的扫描更容易产生部分文档的倾斜。在文档图像的
Computer Engineering and Applications 计算机工程与应用
2018，54（17） 175
基于低秩矩阵分解的批量扫描文档图像纠偏
王恒友，余 沾，张长伦Changlun, HE Qiang
北京建筑大学 理学院，北京 100044 School of Science, Beijing University of Civil Engineering and Architecture, Beijing 100044, China
Abstract：The most important of skew correction for scanned document image is to estimate the skew angle. Traditional methods are mostly based on its texture structure check, such as Hough transformation, Radon transformation and so on. However, it not only is affected easily by its special texture structure or other noise, but also costs much more time for each image. In this paper, a skew correction of batch scanned document images method is proposed based on low-rank matrix decomposition, which to seek an affine rotation transformation that can be used to implement the correction. As experiment illustrated, the method not only has high precision of image rectification, and the average time is less than the existing algorithms of image correction. Key words：low-rank matrix decomposition; scanned document images; skew correction of batch images; Hough transformation; Radon transformation
收稿日期：2017-05-11 修回日期：2017-07-03 文章编号：1002-8331（2018）17-0175-05 CNKI 网络出版：2017-11-30, /kcms/detail/11.2127.TP.20171130.1552.004.html
WANG Hengyou, YU Zhan, ZHANG Changlun, et al. Skew correction of batch scanned document images based on low-rank matrix decomposition. Computer Engineering and Applications, 2018, 54（17）：175-179.
后续处理与使用中，对图像的倾斜都很敏感。如，文字 的自动识别、语义理解、在线翻译等。
因此，能否快速有效地完成大量扫描文档图像的纠 偏 ，是 后 续 图 像 处 理 工 作 能 否 达 到 预 期 效 果 的 关 键 因 素。目前解决该问题的方案有两种：一是进一步提高单 幅文档扫描图像的纠偏速度，对图像进行逐一纠偏，从 而实现大量文档扫描图像的快速纠偏。二是对文档扫 描图像进行批量处理，一次完成批量图像的纠偏，从而
基金项目：国家自然科学基金（No.61502024，No.61473111）；北京市教委科技计划项目（No.SQKM20161001600）；“建大英才”支持 项目（No.JDYC2017026）。
作者简介：王恒友（1982—），通讯作者，男，博士，讲师，研究领域为压缩感知重构算法研究、稀疏表示和低秩矩阵恢复理论研究， E-mail：wanghengyou@；余 沾（1993—），男 ，硕 士 研 究 生 ，研 究 领 域 为 压 缩 感 知 重 构 算 法 研 究 ；张 长 伦 （1972—），男 ，博 士 ，副 教 授 ，研 究 领 域 为 网 络 信 息 安 全 理 论 与 应 用 研 究 、大 数 据 分 析 、复 杂 网 络 理 论 研 究 ；何 强 （1977—），男，博士，副教授，研究领域为不确定环境中的机器学习与数据挖掘研究。