[发明专利]一种基于SIVV特征的文档图像粗分类方法

摘要

本发明公开一种基于SIVV特征的文档图像粗分类方法，包括如下步骤：获取文档图像，预处理，加窗处理，计算文档图像SIVV特征，对每个文档分别计算与其他文档SIVV特征的相关系数，若其中K个文档两两之间相关系数均大于某一阈值，则认为这K个文档属于同一分类。本发明的目的，在于提出一种新的文档图像粗分类方法，无需准确获取文档文本内容，即可将文档图像根据SIVV特征的相关系数自动分成若干类，方法具有鲁棒性好、分类速度快的特点。

主权项

1.一种基于SIVV特征的文档图像粗分类方法，其特征在于，有如下步骤：(1)对文档图像进行预处理；(2)使用与文档图像同等大的2D Blackman窗分别对每幅图进行加窗处理；(3)对加窗后图像计算SIVV特征；(4)计算每幅图两两之间的SIVV特征的相关系数；(5)若其中K个文档两两之间相关系数r均大于某一阈值，则认为这K个文档属于同一分类；在步骤(2)中，2D Blackman窗通过如下方式获得：设长度为Q的一维Blackman窗的表达式如下：其中，q表示该一维Blackman窗中像素点的序号，且q＝1,2,…,Q，此处Q为一维Blackman窗的长度；将式(1)与式(1)叉乘，从而得到二维Blackman窗的矩阵形式，乘法左右两式中的Q分别取值为M和N，即加窗后图像的大小，此处M和N与式(31)式(4)中M和N相同；所述步骤(3)的详细内容是：(31)利用式(2)计算加窗后图像的频谱图：其中，h(x,y)表示加窗后图像中对应坐标(x,y)处的像素值；M、N均取值为加窗后图像的大小；其中i是虚数单位；(32)采用式(3)计算加窗后图像的二维正态化对数功率谱：P(u,v)＝|H(u,v)|2    (3)(33)采用式(4)将式(3)转换到极坐标系下：采用P(ρ,θ)表示极坐标系下的功率谱，其中，ρ表示对加窗后图像的最大尺度均分；(34)利用式(5)将所有角度θ下的P求和，得到关于ρ的功率谱：从而，正态化的关于ρ的功率谱表示为：其中，ρ∈[0,0.5]周期/像素；所述步骤(32)中，采用的正态化方法有10*lgP(u,v)或采用式(7)计算两个SIVV特征相关系数，r∈[0,1]，r值越接近1表明两个文档属于同一个分类的可能性越大,分类的阈值根据具体任务设定，若其中K个文档两两之间相关系数r均大于这一阈值，则认为这K个文档属于同一分类。