63、历史手写文档中的关键词定位技术：基于图和局部二值模式的方法

历史手写文档中的关键词定位技术：基于图和局部二值模式的方法

1. 引言

随着数字化的推进，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，从这些手写文档图像中进行信息检索面临着诸多挑战，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）技术通常不适用于所有类型的图像。因此，关键词定位（Word Spotting）作为一种信息检索系统，成为解决这些问题的有效方法。

关键词定位旨在确定文档图像中是否包含用户感兴趣的特定单词，而无需进行完整准确的字符识别。在处理大规模数据集时，关键词定位需要平衡多个工程因素，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。为了应对大规模数据，计算效率和特征维度成为关键考虑因素，而局部二值模式（Local Binary Pattern, LBP）在关键词定位中能够有效解决这些问题。

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手写历史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，且计算成本低廉，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融合和特征池化。

2. 现有技术

2.1 方法分类

现有的关键词定位技术可以根据以下几个标准进行分类：
- 是否需要分割 ：分为基于分割（Segmentation-Based）和无分