Recognition of document image types

Abstract

В данной работе предложен метод кластеризации изображений отсканированных документов. Описаны методы обработки изображений с целью извлечения признаков, применение быстрых алгоритмов LSH для кластеризации признаков. Идея алгоритма заключается в подсчёте характеристик изображения, описывающих форму текста, понижении их размерности при помощи хеширования и нахождения похожих изображений. Были сделаны уточнения стандартных алгоритмов. Приведены результаты работы алгоритма на тестовой выборке изображений и описана реализация.

In this paper we propose an algorithm for scanned document images. We describe the methods of image processing aimed at feature extraction, an application of efficient LSH algorithms for feature-based clustering. The idea behind this method is to calculate features that are characteristic to text structure, reducing the dimensionality by hashing and then finding closely structured images. Some adjustments in applications of standard methods were suggested. Results of algorithm application are given and its implementation is described.