9、从技术图纸中构建符号库：识别重复模式的新方法

从技术图纸中构建符号库：识别重复模式的新方法

1. 引言

在众多文档中，包含着大量的技术线图，如建筑平面图、电子电路图等。用户常常希望能在这些图纸数据库中检索特定符号，这就需要对技术线图进行自动化内容分析。这种分析在检索搜索引擎和数字图书馆等应用中尤为关键。

当分析图像时，会发现图像中的对象由各种组件构成。若这些组件在一组图像中重复出现，通常意味着它们是对象的有意义部分。识别这些组件并将相似的组件聚类在一起，能得到比图像本身更简洁、更有意义的数据集表示。

本文将介绍一种从大量技术线图中提取符号库的方法。这个符号库是线图的紧凑且可索引的表示，可用于高效的符号检索系统开发。该方法先识别所有图像中的候选模式，再将相似模式聚类，最后从每个聚类中选取一个代表模式，这些代表模式构成符号库。

2. 相关工作

图像中重复模式或视觉相似部分的概念在以往研究中已有提及，但大多未针对包含众多非孤立符号和背景连接线的复杂线图。

多数相关工作聚焦于单张图像内的重复模式。例如，Tuytelaars等人提出基于霍夫变换的几何框架，用于检测透视变形下平面模式的规则重复；Schaffalitzky等人提出基于RANSAC的技术来寻找场景内的重复模式；Leung等人通过仿射变换下的配准技术匹配相邻图像块来寻找重复模式；Sanchez等人利用重复结构模式识别纹理符号，自动推断上下文敏感图语法来建模和识别给定纹理符号。

也有一些工作引入了跨图像重复模式用于检索，但并非针对线图。如Doubek等人讨论了使用重复模式进行图像检索，先通过上述方法找到模式，再用不变描述符描述并跨图像匹配。著名的词袋（视觉）方法则是将视觉相似部分聚类，广泛应用于目标识别和基于