电子出版系统的关键环节——排版技术

一、前言 在电子出版系统中,用户首先面临的是版面的制作,用来制作版面的软件一般称为前端软件,常见的有排版软件、图象处理软件、绘图软件等。排版软件可以把文字、图形和图象安排在一个页面内。不管是排报纸、杂志还是书籍,都要先进行版面的排版,然后在激光印字机、激光照排机等     

结合统计特征和图模型的半监督式中文关键短语抽取方法

关键短语抽取,即从文档中抽取能够表达文档主题和内容的关键短语集合,对于信息检索和文档分类等文本处理任务具有重要意义。然而,现有文献缺乏针对中文特点的关键短语抽取算法的研究。为此,该文提出了一种半监督式中文关键短语抽取模型,该模型采用预训练语言模型来表征短语及文章,以减少算法对大量标注训练数据的依赖;进而提出图模型描述候选短语间的相似性空间并迭代计算各短语的重要度;同时结合了多项统计特征来进一步提高短语评估的准确率。对比实验表明,该文提出的方法在中文关键短语抽取方面比基线方法具有明显的提升效果。     

尺度与颜色不变性图像特征描述

尺度不变特征变换是目前公认的鲁棒性最强的图像特征描述方法之一,在尺度不变性和几何不变性方面具有较好的特性,但该方法主要适用于灰度图像,对图像颜色的区分能力不强,因此,一些对象可能会因为颜色的不同而被错误的区分.另外,尺度不变特征变换对关键点局部范围内描述子主方向的依赖性非常强,直接决定了匹配的正确率,但是研究表明,主方向分配产生的误差仅有三分之二左右能控制在[-20。,+20。]范围内,因此部分特征会有三分之一的概率因为主方向分配的误差较大而不能正确匹配.针对以上两个问题,本文提出了一种具有颜色和尺度不变性的局部特征描述方法,颜色不变性通过将RGB图像转换到高斯颜色模型下实现,特征描述过程中不再分配主方向,而用局部相对方向,尺度不变性通过构建高斯金子塔实现.实验选取阿姆斯特丹数据集图像进行了测试,结果表明本文方法比传统尺度不变特征变换方法,在特征点的数目、分布均匀性以及匹配精度方面均有所提高.     

基于单幅线条图的三维立体重建方法综述

从单幅线条图重建物体的三维立体结构是机器视觉领域的一个重要问题。它的应用范围包括基于手工绘制的立体设计与创作、将现有的工程线框模型图转换为三维模型、基于自然图像的三维建模、图像理解和检索等。从不同的角度对现有的相关方法进行了分类,并重点从所用算法分类的角度回顾了现有的相关方法。最后总结了基于幅线条图的三维立体重建方法的现状和不足,指出了未来的研究发展方向。     

彩色出版系统中的排版软件

桌面出版系统已经成为彩色出版系统的主流,其技术也越来越成熟。桌面系统不仅在彩色输出质量上达到、甚至超过了传统的电分机,而且在彩色版面设计的灵活性和复杂程度上远远超过了传统的手工制作方式。     

表格识别技术研究进展

表格广泛存在于科技文献、财务报表、报纸杂志等各类文档中,用于紧凑地存储和展现数据,蕴含着大量有用信息。表格识别是表格信息再利用的基础,具有重要的应用价值,也一直是模式识别领域的研究热点之一。随着深度学习的发展,针对表格识别的新研究和新方法纷纷涌现。然而,由于表格应用场景广泛、样式众多、图像质量参差不齐等因素,表格识别领域仍然存在着大量问题亟需解决。为了更好地总结前人工作,为后续研究提供支持,本文围绕表格区域检测、结构识别和内容识别等3个表格识别子任务,从传统方法、深度学习方法等方面,综述该领域国内外的发展历史和最新进展。梳理了表格识别相关数据集及评测标准,并基于主流数据集和标准,分别对表格区域检测、结构识别、表格信息抽取的典型方法进行了性能比较。然后,对比分析了国内相对于国外,在表格识别方面的研究进展与水平。最后,结合表格识别领域目前面临的主要困难与挑战,对未来的研究趋势和技术发展目标进行了展望。     

多媒体数字水印技术研究进展

作为数字媒体版权保护的重要手段,数字水印技术近年来已成为国内外研究的热点。回顾了数字水印技术的发展情况,讨论了如下问题:(1)数字水印系统模型;(2)数字水印的基本要求;(3)数字水印技术的应用前景;(4)数字水印的分类,包括各类水印的基本概念,相关算法,性能及发展趋势的分析与讨论;(5)数字水印的关键技术;(6)数字水印技术目前存在的问题和未来的研究重点。     

一种在电子出版中融合固定版面与流式信息的方法

 随着硬件条件的提高和网络技术的发展,特别移动终端的快速发展,电子文档的使用环境日趋多样化,但相关技术却面临着更大的挑战.这是因为固定版面与流式信息之间存在本质的矛盾,难以进行融合、协同工作.虽然人们尝试了一些方法来解决这个问题,但是效果都不甚理想.我们在研究现有技术的基础上,提出了一种新的基于版面块的文档模型,并赋予其固定版面的特性与必要的流式信息,以适应多样化的终端环境,能够解决电子文档出版中的固定版面与流式信息融合的问题.实现效果说明,本文提出的文档模型在实际使用中具有很大的潜力.     

电子书出版技术综述

电子书是“一次制作、多次应用”的典型例子,出版社可以利用电子书的相关技术,在出版印刷书的同时,通过网络出版的方式出版电子书。近两三年内,电子书的相关技术日趋成熟,为出版社做好网络出版、充分利用出版资源提供了很好的技术基础。     

CPLM-CSC:基于单字级别预训练语言模型的中文错别字纠正方法

由于汉语语义表达的多样性和复杂性,中文错别字自动纠正目前存在很多挑战。现有的错别字纠正算法的性能普遍不够理想,而且需要大量高质量的语料进行训练。该文提出一种基于预训练语言模型的错别字纠正方法CPLM-CSC,能够显著地提高纠错性能。CPLM-CSC采用基于单字级别预训练语言模型来进行错别字检测,并采用掩字语言模型来进行错别字纠正。为了提高纠正性能,CPLM-CSC采用音近、形近字判断等多种筛选纠正结果的方法,并针对一些典型且特殊的错误,例如“的地得”误用,采取了专门的数据增强方法。CPLM-CSC在SIGHAN 2015的评测数据集上进行了测试,取得了0.654的F₁值,其性能优于其他模型。