Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
An Image Processing Method Based on Features Selection for Crop Plants and Weeds Discrimination Using RGB Images Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Ink Bleed-Through Removal of Historical Manuscripts Based on Hyperspectral Imaging

verfasst von : Cristian da Costa Rocha, Hilda Deborah, Jon Yngve Hardeberg

Erschienen in: Image and Signal Processing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Old manuscripts can be degraded by different reasons over time. The ink bleed-through from the back side of the page is a common problem which compromises the readability and the aesthetics of the document. Unsupervised bleed-through removal is a challenging task as pixel intensity of bleed-through areas can be very similar to fine-details of the writing. This paper provides a brief review about state-of-the-art methods for bleed-through removal. Moreover, we propose an algorithm for the segmentation of the bleed-through areas from a manuscript collected from the National Library of Oslo using hyperspectral imaging. This work also presents the restoration of the collected manuscript applying inpainting algorithms based on our segmentation approach.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Gradual Domain Adaptation for Segmenting Whole Slide Images Showing Pathological Variability
Nächstes Kapitel Colorimetric Screening of the Haze Model Limits
Literatur
1.
Deborah, H., Richard, N., Hardeberg, J.Y.: A comprehensive evaluation on spectral distance functions and metrics for hyperspectral image processing. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 8(6), 3224–3234 (2015)CrossRef
2.
Fadoua, D., Le Bourgeois, F., Emptoz, H.: Restoring ink bleed-through degraded document images using a recursive unsupervised classification technique. In: Bunke, H., Spitz, A.L. (eds.) DAS 2006. LNCS, vol. 3872, pp. 38–49. Springer, Heidelberg (2006). https://​doi.​org/​10.​1007/​11669487_​4CrossRef
3.
Loggenberg, K., Strever, A., Greyling, B., Poona, N.: Modelling water stress in a shiraz vineyard using hyperspectral imaging and machine learning. Remote Sens. 10(2), 202 (2018)CrossRef
4.
Ravikanth, L., Jayas, D.S., White, N.D.G., Fields, P.G., Sun, D.W.: Extraction of spectral information from hyperspectral data and application of hyperspectral imaging for food and agricultural products. Food Bioprocess Tech. 10(1), 1–33 (2017)CrossRef
5.
Regeling, B., Thies, B., Gerstner, A.O.H., Westermann, S., Müller, N.A., Bendix, J., Laffers, W.: Hyperspectral imaging using flexible endoscopy for laryngeal cancer detection. Sensors 16(8), 1288 (2016)CrossRef
6.
Sun, B., Li, S., Zhang, X.P., Sun, J.: Blind bleed-through removal for scanned historical document image with conditional random fields. IEEE Trans. Image Process. 25(12), 5702–5712 (2016)MathSciNetCrossRef
7.
Tan, C.L., Cao, R., Wang, Q., Shen, P.: Character extraction from interfering background - analysis of double-sided handwritten archival documents. In: Singh, S., Murshed, N., Kropatsch, W. (eds.) ICAPR 2001. LNCS, vol. 2013, pp. 93–102. Springer, Heidelberg (2001). https://​doi.​org/​10.​1007/​3-540-44732-6_​10CrossRef
8.
Telea, A.: An image inpainting technique based on the fast marching method. J. Graph. Tools 9(1), 23–34 (2004)CrossRef
9.
Tonazzini, A., Salerno, E., Bedini, L.: Fast correction of bleed-through distortion in grayscale documents by a blind source separation technique. Int. J. Doc. Anal. Recog. 10(1), 17–25 (2007)CrossRef
Metadaten
Titel
Ink Bleed-Through Removal of Historical Manuscripts Based on Hyperspectral Imaging
verfasst von
Cristian da Costa Rocha
Hilda Deborah
Jon Yngve Hardeberg
Copyright-Jahr
2018
Buch
Image and Signal Processing

Print ISBN: 978-3-319-94210-0

Electronic ISBN: 978-3-319-94211-7

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-94211-7_51