[发明专利]文档图像的检索装置及文档图像的检索方法

说明书

技术领域

本发明涉及对以文字和图表为主要内容的图像即文档图像，采用图像的特征进行检索的文档图像的检索装置及检索方法。

背景技术

一种利用图像扫描仪等图像输入装置将文档转换成图像，以电子形式进行储存，并且之后能够检索的图像归档系统已经步入实用化。在将文档作为图像来读取的图像检索中，可采用图像检索技术。

以往，作为图像检索技术，有基于附加在图像中的文本的检索、和基于图像的视觉内容的检索。

其中，所谓基于附加在图像中的文本的检索，是指作为图像所附属的信息而制作说明图像的文本信息，将该文本信息作为关键词检索图像的技术，作为现有技术，例如有专利文献1、2。

然而，虽然计算机视觉和人工智能技术正在日益发展，但在现阶段还不能依靠它来对图像自动地附加文本。因此，在基于文本的检索中，需要人工来附加文本，因此需要烦琐的作业。

而且，由于由人工来进行，所以有可能加入人的主观意识，在附加的文本中产生意思上的差异。另外，由于对于向图像附加文本的附加方法，还没有制定规则，所以关于关键词的解释也存在一定程度的差异。这些的结果，会导致通过检索所得到的图像不一定是用户的目标图像，对检索的正确率产生影响。

并且，在基于文本的图像的检索技术中，由于一概不使用图像的视觉特征(例如色彩或纹理)，所以不能说是充分表达了图像的信息。

相对于此，由于基于图像的视觉内容的检索是基于图像的特征来检索图像的，且根据图像来检索图像，所以不需要依赖于人工来输入文本，且不需要烦琐的作业，也不会加入人的主观意识。

作为图像的特征，通常采用色彩特征、纹理特征、以及形状特征这3种特征。

色彩特征是图像的整体属性，其利用图像的色彩信息来表现图像的表面性质，作为现有技术，例如有专利文献3、4。

纹理特征是反映图像的局部构造的特征，且表现图像的表面性质的特征，其需要在包含多个像素点的区域内进行局部统计计算。作为现有技术，例如有专利文献5、6。

形状特征是对于图像的特定区域首先进行图像的分割、区域识别，然后从其中抽出与形状特征有关的特征。作为现有技术，例如有专利文献7、8。

专利文献1：CN1851713“基于多图像文本的图像检索及显示方法”

专利文献2：CN1402853“图像检索系统及图像检索方法”

专利文献3：CN1365067“基于色彩和图像特征组合的图像检索方法”

专利文献4：CN1426002“不受照明变化影响的图像检索方法和装置”

专利文献5：CN1570972“一种基于图像纹理特征的图像检索方法”

专利文献6：CN1342300“用频域中的伽柏滤波器的纹理描述方法和基于纹理的图像检索方法”

专利文献7：CN1570969“一种基于显著兴趣点的图像检索方法”

专利文献8：CN1570973“一种利用显著边缘进行图像检索的方法”

然而，在上述以往的基于图像的视觉内容的检索中，存在着如下问题。

图像通常受到干扰，受其影响产生变形或歪扭。在以纹理和色彩作为图像特征的检索方法中，若产生变形或歪扭，则不能获得理想的检索效果。

另外，由于色彩相对图像区域的方向和尺寸的变化不敏感，所以根据色彩的特征不能顺利地捕捉到局部特征。

特别是专利文献4，考虑到照明对图像形成时的色彩信息所产生的影响，而对图像去除低亮度和本身的亮度，并将剩余的像素转换成标准亮度空间下的色彩。然而，由于低亮度值的确定标准及确定方法、且本身的亮度的极限值的选择，会直接影响到对图像的后续处理，所以对检索结果产生较大影响。

另外，单纯地利用纹理特征的检索方法中，不能获得高品质的图像内容。而且，如果图像的析像度发生变化，则在由此计算获得的纹理中产生较大的偏差。不仅如此，在图像受到光的照射和反射状况的影响时，形成虚拟纹理，有可能被引导向错误的方向。

另一方面，基于图像的形状特征的检索，对于轮廓不明显的图像基本没有效果。通常，被抽出的形状特征所反映的目标形状的信息，由于与人的直观完全不一致，并且难以制作完全的数学模型，所以难以对特征进行计算，且需要大量的计算时间和存储器。另外，在图像的形状发生变化时，准确性大大降低。

特别是，专利文献8适用于边缘清晰的图像，在本发明作为对象的以文字和图表为主要内容的文档图像中，容易捕捉到图像中的边缘。然而，难以确定能够表现全图像的边缘。

发明内容