62、历史手写文档中基于图的关键词检索

历史手写文档中基于图的关键词检索

在数字化时代，手写文档的数字资源正迅速增长。然而，这些文档在搜索和浏览方面的可访问性却存在不足。本文将介绍一种用于历史手写文档关键词检索（KWS）的新方法，该方法基于关键点的图表示，能有效提升检索效果。

1. 关键词检索概述

关键词检索（KWS）旨在从语音记录或文本图像中检索给定查询词的所有实例。它可大致分为在线和离线 KWS：
- 在线 KWS ：借助电子输入设备（如数字笔或平板电脑）记录手写的时间信息。
- 离线 KWS ：仅基于扫描图像，因此难度更大。本文聚焦于历史手写文档的 KWS，即离线 KWS。

现有的 KWS 方法主要分为基于模板和基于学习的匹配算法：
- 基于模板的 KWS ：早期方法基于单词图像的逐像素匹配，更复杂的则基于动态时间规整（DTW）匹配特征向量，还有通过匹配局部二值模式（LBP）直方图的方法。其优点是独立于文档的实际表示形式和语言，但对不同书写风格的泛化能力较差。
- 基于学习的 KWS ：基于统计模型，如隐马尔可夫模型（HMM）、神经网络（NN）或支持向量机（SVM）。这些模型需要在大量训练单词上进行预训练，具有较高的泛化能力，但由于需要在特定训练集上学习模型参数，灵活性有所损失。

目前，大多数 KWS 算法基于单词图像的统计表示，而基于图的 KWS 方法相对较少。但图表示对于 KWS 具有独特优势，因为与特征向量相比，图能更自然、全面地表示单词图像。

2. 图编辑距离