印刷体阿拉伯字符集文本切分方法

摘要

印刷体阿拉伯字符集文本切分方法属于光学字符识别中的字符切分领域。本发明特征在于：在字符块分类的基础上，选择部分字符块水平投影分割文本图像成子区域，然后检测多行子区域归并字符块实现多行子区域的文字行切分；随后估计文字行的基线和顶线位置，并把文字行切分成联体字符段；最后根据字符切点的特点寻找在基线上、基线上方及基线下方的切点，并且利用结构规则删除过切分点。本发明在多字体多字号印刷体阿拉伯文本测试集上的字符切分正确率达到99%以上。