Ming-Wei Lin ; Jules-Raymond Tapamo ; Baird Ndovie - A Texture-based Method for Document Segmentation and Classification

arima:1878 - Revue Africaine de Recherche en Informatique et Mathématiques Appliquées, 15 octobre 2007, Volume 6, april 2007, joint Special Issue ARIMA/SACJ on Advances in end-user data mining techniques - https://doi.org/10.46298/arima.1878
A Texture-based Method for Document Segmentation and ClassificationArticle

Auteurs : Ming-Wei Lin 1; Jules-Raymond Tapamo 1; Baird Ndovie 1

  • 1 School of Computer Science

Dans cet article nous présentons un modèle hybride de segmentation et classification du contenu d'images de documents. Chaque image est segmentée en trois types de régions: graphiques, textes et espaces. L'image de chaque document est subdivisée en blocs; pour chacun de ces blocs, cinq caractéristiques sont extraites de leur Matrice de Co-occurrence de leur niveaux de gris. Les blocs sont ensuite regroupés en trois classes en utilisant l'algorithme du K-means. Les blocs connectés sont fusionnés pour former un ensemble de régions homogènes. Des règles heuristiques sont ensuite utilisées pour donner un label à chacune des trois classes. Des expérimentations ont été effectuées avec des images scannées de journaux et des images de la base de données documentaire MediaTeam

https://doi.org/10.46298/arima.1878
Source : HAL:hal-01262352v1
Volume : Volume 6, april 2007, joint Special Issue ARIMA/SACJ on Advances in end-user data mining techniques
Publié le : 15 octobre 2007
Soumis le : 27 mars 2007
Mots-clés : Grey Level Co-occurrence Matrix(GLCM), K-Means Clustering, Feature extraction, Document Image Analysis, Texture segmentation,Information Retrieval,Recherche d'Information,Analyse d'images de documents,Segmentation de Texture,Matrice de Co-occurrence,Regroupement K-means,Extraction de Caractéristiques,[INFO]Computer Science [cs],[MATH]Mathematics [math]

Partager et exporter

Statistiques de consultation

Cette page a été consultée 366 fois.
Le PDF de cet article a été téléchargé 694 fois.