A hybrid document segmentation method for Turkish newspaper
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Günümüzde bilgilerin büyük bir çoğunluğu kağıtlara basılı olarak bulunmaktadır. Bu belgeler gazete sayfasından resmi yazışmalara, banka makbuzlarından mektup zarflarına kadar değişen bir yelpazede yer almaktadır. Belge işleme sistemlerindeki gelişmeler kağıtlara basılı olan bu bilgilerin elektronik ortamlara taşınmasına olanak vermiştir. Bu bilgileri elektronik ortama taşımak için bazı tanıma, sıkıştırma ve dönüştürme teknikleri kullanılmaktadır. Bu teknikler belgelerin bileşenlerini bulmakta ve onları içeriklerine göre farklı şekillerde işleme tabi tutmaktadır. Belgeler temelde yazı ve resim blokları, çizgiler ve çizimlerden oluşmaktadır. Bu tez, belgelerin bileşenlerini, sonradan işlenmek amacıyla, bulma işlemi üzerinde yoğunlaşmaktadır. Yapılan bu işleme belge anlama adı verilir. Çeşitli belge anlama yöntemleri incelenmiş ve bunlardan biri olan Ardışıl Yatay - Dikey Kesmeler yöntemi iyileştirilip Türkçe gazeteler üzerinde uygulanmıştır. Bu yöntemde belgenin yatay ve düşey izdüşüm eğrileri incelenmekte ve belgenin uygun bir yerine (yatayda veya düşeyde) kesme yerleştirilmektedir. İşlem, ardışıl olarak istenen en küçük boyuttaki blok bulununcaya ya da kesme yerleştirilecek uygunlukta bir yer kalmayıncaya kadar devam etmektedir. Sonuçta tek tür belge bileşeni içeren bloklar elde edilmektedir. Birden fazla belge bileşeni içeren bloklar başka bir bölütleme algoritmasına gönderilmektedir. Today most of the information is conveyed in the form of printed papers. The range of them varies from the newspapers to formal correspondence letters, from banking documents to envelopes etc. The evaluation of document processing systems made it possible to transfer this information from the printed materials to the electronic media. To transfer and archive this information some compression and conversion techniques are used. These techniques extract the document components and process them regarding the content type. Documents are mainly composed of text and image blocks, line and drawings. This thesis is focused on the extraction of document image components for further processing. This operation is known as document analysis. Several document analysis techniques are reviewed and one of them, Recursive X - Y Cut, is modified and applied to the Turkish newspapers. This method recursively analyze the horizontal and vertical projection profile of documents and locate the most appropriate cut (horizontal or vertical) over the documents. The process recursively continues until the smallest desired blocks are found or not any appropriate cut place exists on the document. At the result, blocks that mostly contain single type of document component, are extracted. The blocks, that contains several type of document components, are fed to another segmentation algorithm.
Collections