31、结合统计特征的空间结构符号描述方法

结合统计特征的空间结构符号描述方法

1. 引言

图形识别在符号识别和定位领域有着丰富的研究成果。然而，大多数方法更适用于孤立的线符号，对于连接到复杂环境的组合符号则表现不佳。在实际文档中进行符号定位时，需要提取视觉部分，描述其形状，并明确它们之间的联系。本文旨在结合结构和统计方法的优势，避免各自的缺点。通过将符号分解为固定的视觉词汇，利用空间关系、图和基于信号的描述符来描述整个形状。

2. 符号描述

• 视觉词汇定义 ：使用一组可控的基本部分检测器定义视觉词汇，包括圆、角、松散端点和厚（填充）组件，记为 (T = {T_{thick}, T_{circle}, T_{corner}, T_{extremity}})。这些视觉基本部分通过图像处理分析操作提取，当前词汇与电气符号相关，可扩展到其他领域。
• 属性关系图表示 ：将整个符号表示为一个完整的属性关系图（ARG），表示为四元组 (G = (V, E, F_A, F_E))，其中 (V) 是顶点集，(E \subseteq V \times V) 是图边集，(F_A : V \to A_V) 是为顶点分配属性的函数，(A_V) 表示词汇类型集 (T) 及其全局形状签名 (S)，(F_E : E \to \Re_E) 是为边分配标签的函数，(\Re) 表示边 (E) 的空间关系。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2p