45、古代手写 Modi 文档统一字符簇分割新方法

古代手写 Modi 文档统一字符簇分割新方法

1. 引言

在手写、无约束、不均匀、连笔且风格化的文字中，重叠和相连字符的分割是一项极具挑战性的任务。古代 Modi 文字源于 Nagari 家族，是一种连笔、风格独特且基于 Bramhi 的文字。它出现于 17 世纪，直到 1950 年都在印度马哈拉施特拉邦作为行政文字使用，用于书写马拉地语、印地语、古吉拉特语、波斯语等多种语言。国家和国际部门存档了数千份手写 Modi 文档，其中包含的珍贵信息在当今仍具有重要价值。

Modi 文字的书写方式独特，使用 Boru/Tak（木棍或鸟羽）书写，文字连在 Shirorekha 上且书写时笔不离纸，Shirorekha 需在书写文字前绘制。此外，Modi 文字中句子和单词不使用标点符号和空格分隔，这使得字符分割过程面临诸多挑战，如字符相连或重叠、Shirorekha 和基线不均匀、文本行倾斜或弯曲、文本大小不一致等。

此前的 Modi 字符分割方法能将 Modi 文本行有效分割为孤立字符和统一字符簇。然而，统一字符簇的分割仍存在诸多挑战，因此需要单独对这些字符簇进行分割。本研究的主要目标是在不使用注释或训练数据集的情况下，对 Modi 统一字符簇进行分割。为此，提出了三种策略，采用全局和局部分区，并结合背景像素强度、前景像素强度和垂直投影轮廓三种分析方法，通过重叠比率来选择合适的分割方法。

2. 相关研究综述

在智能文档识别系统中，字符分割的准确性是字符识别准确性的关键因素。字符分割技术通常分为基于分割（显式）和基于识别（隐式）的方法。

• 基于分割的方法 ：通过找出文本部分的分割