63、历史手写文档中的关键词定位技术

历史手写文档中的关键词定位技术

1. 引言

随着数字化的发展，大量纸质文献被转换为数字格式存储在数字图书馆中。这些数字图书馆包含了各种类型的扫描文档图像，如历史手稿、普通文档、讣告和手写笔记等。然而，对这些手写文档图像进行信息检索面临诸多挑战，包括复杂的布局分析、书写风格的巨大差异以及历史手稿的退化或低质量等问题。

传统的光学字符识别（OCR）技术由于种种原因，无法普遍应用于所有类型的图像。因此，探索直接表征和处理图像特征的技术，以检索包含文本和其他非文本组件的文档图像显得尤为重要。关键词定位（Word Spotting）作为一种信息检索系统，旨在识别文档图像中用户感兴趣的特定单词，而无需进行完整准确的字符识别。

在大规模数据集的背景下，关键词定位的关键在于平衡多个工程因素，如索引的文档数量、每秒查询次数、更新率、查询延迟、每个文档保留的信息以及检索算法等。为了处理大规模数据，计算效率和特征维度成为关键考量因素，而局部二值模式（Local Binary Pattern，LBP）在关键词定位中能有效解决这些问题。

本文的目标是提出一种端到端的方法，以提高历史手写文档图像中关键词定位的性能。具体目标包括：
- 开发一种适用于大规模未标注历史手写数据的关键词定位方法。
- 应用LBP等纹理特征来捕捉手写单词的细粒度信息，这种特征计算成本低，并将文本转换为元信息。
- 结合四叉树空间结构进行空间知识的聚合。

2. 技术现状

2.1 方法分类

目前的关键词定位技术可以根据多种标准进行分类：
- 是否需要分割 ：分为基于分割（S