[发明专利]高压缩可回流文件的建立和绘制方法

说明书

技术领域

本发明涉及一种数字化信息管理技术，特别涉及一种高压缩可回流文件的建立和绘制方法。

背景技术

目前文字格式的数字书籍已经成为移动阅读的主流，比如EPUB格式的书籍和美国AMAZON公司的AZW格式的数字书籍等等。使用文字格式数字书籍的优势在于容量小、支持检索和可回流阅读等功能。很多传统的出版机构或个人需要把纸书籍扫描成可以在移动终端上阅读的数字书籍，以便能够移动阅读。

目前在移动终端上阅读数字书籍的瓶颈主要在于扫描的数字书籍，比如扫描的PDF或TIFF格式的书籍属于版式文档，不含有数字书籍版面逻辑结构和几何结构的描述，无法根据屏幕的尺寸进行屏幕自适应阅读。另外，图像格式的版式文档往往容量很大，通过移动终端在线下载往往耗费大量的时间，因此需要有效的压缩算法来对数字书籍图像和数字书籍版面逻辑结构和几何结构的描述进行压缩，以适应在线阅读的要求。如果使用传统的光学字符识别OCR技术，在字符识别和字体识别上目前都存在问题，往往需要大量的校对和纠错工作，需要较高的成本,转换出来的文字格式的数字书籍丢失了字体等信息。

和本发明相关的技术文献一、专利文件1: 中国专利，申请号：201310188492.7 ， 基于层次式索引的版式可回流文件建立和绘制方法，此专利里对于版式数字书籍，使用层次式索引的版式可回流文件建立和绘制方法，提出的统一注释技术，通过记录可回流文字的包围框，文本行或文本列参数，区域包围框等来描述版式文件的几何结构，使用XML语言、SGML语言等标记语言来表示层次式索引结构。针对扫描图像的屏幕自适应阅读问题，使用专利文件1中的技术，可以克服光学字符识别技术的缺点，在不对文字进行识别的前提下，实现屏幕自适应阅读，并可保证按原来的字体以屏幕自适应的方式来阅读扫描的版式文件。各种版式文件都可通过此发明中的层次式索引描述方法来对版式数字书籍进行注释。但是在生成层次式索引描述后，如何有效地压缩该数字书籍版面层次式索引信息，以便移动终端能高速地无线下载数字书籍，该公报没有给出解决方案。如何有效地利用数字书籍页面图像的几何版面信息，来压缩数字书籍，该公报也没有给出解决方案。

非专利文件2: L. Bottou et al., High quality document image compression with DjVu, Journal of Electronic Imaging, vol. 7(3), pp. 410-424, Jul. 1998.

非专利文件3:  Ricardo de Queiroz, Robert Buckley and Ming Xu，Mixed Raster Content (MRC) Model for Compound Image Compression

非专利文件4: ITU-T Recommendation T.44 Mixed Raster Content (MRC), T.44

非专利文件2﹑非专利文件3和非专利文件4中将版式文档的页面图像分离成颜色层，2值文字图形层和背景层，针对不同层的压缩特性选用不同的编码器来进行压缩，并使用非专利文件4中记载的分层图像压缩格式(MRC—Mixed Raster Content)来记录压缩后的数据，以实现版式文档页面图像的高压缩。目前支持Mixed Raster Content格式的文件格式主要有PDF和DjVu等等。通过使用上述分层图像压缩技术，移动终端通过无线网络可以高速下载和在线阅读图像格式的版式文档。由于版式文档中不包含数字书籍版面逻辑结构信息和几何版面信息，因此无法在移动终端上以屏幕自适应的方式来进行阅读。如何有效利用颜色层图像﹑背景层图像和2值文字图形层图像的信息，来生成版式文档几何版面信息和逻辑版面信息，以实现版式文档的屏幕自适应显示，在文献2﹑文献3和文献4中没有给出相关解决方案。

针对版式文档的移动阅读的要求，目前迫切需要一种方法将版式文档转化成容量小，并含有文档逻辑结构信息和几何版面信息的方法，以便移动终端高速下载和以屏幕自适应的方式来阅读该类版式文档。