Все выпуски

Работа посвящена использованию регулярных выражений при распознавании рукописных математических текстов. Основная проблема в распознавании рукописных математических формул состоит в том, что эти тексты, как правило, состоят из большого числа маленьких фрагментов, расположенных в соответствии с некоторыми строгими правилами. Несмотря на то, что формальное определение синтаксиса математических текстов может вовлекать бесконтекстные грамматики и даже более сложные конструкции, на практике часто для успешного распознавания достаточно определения математического языка на базе регулярных выражений. Поскольку некоторые конструкции в математических текстах могут встречаться чаще других, мы вводим понятие взвешенного регулярного выражения. Веса в нём определяют предпочтение одних конструкций перед другими. В работе вводится математический аппарат для использования таких выражений при распознавании. В частности, доказываются теоремы о пересечении взвешенных множеств, задаваемых такими регулярными выражениями. Даются некоторые оценки сложности работы алгоритмов использующих такие регулярные выражения для распознавания.

Рассматривается модификация ранее разработанного генератора шестигранных сеток из воксельных данных для построения моделей, заданных в форме CAD геометрии. Генератор относится к семейству методов, основанных на модификации регулярной сетки, и является универсальным с точки зрения возможности использования в качестве исходных данных как объемного (воксельного), так и STL-поверхностного представления геометрии модели. В настоящее время алгоритм работает с CAD моделями, описанными в хорошо известном формате STL. Вместе с тем, метод позволяет обрабатывать поверхности более высокого порядка, описанные в произвольном формате, если определены соответствующие процедуры для операций проекции и пересечения. Для определения начальной позиции узлов сетки используется полученный из STL-геометрии файл объемных данных в виде «знакопределенных полей расстояний». Разработана специальная процедура проецирования с целью адаптации построенной ортогональной сетки к границам модели. Данный подход обеспечивает аппроксимацию острых ребер и углов и выполняется перед любыми другими операциями построения сетки. Реализован дополнительный функционал для улучшения качества сетки, включающий вставку дополнительных граничных слоев, разбиение ячеек плохого качества и оптимизированное сглаживание узлов. Алгоритм протестирован на значительном числе моделей, часть из которых приведена в качестве примеров.