表格文檔圖像分析方法研究.pdf

1、表格文檔是一種簡(jiǎn)明、規(guī)范的文檔形式,它非常便于填寫(xiě)和處理,在人們的日常生活和工作中得到了較為廣泛的應(yīng)用。伴隨著信息化時(shí)代的到來(lái),文檔電子化已經(jīng)成為未來(lái)發(fā)展的必然趨勢(shì)。相應(yīng)地,表格文檔自動(dòng)處理系統(tǒng)得到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。一般地,一個(gè)表格文檔自動(dòng)處理系統(tǒng)分為兩大模塊:表格文檔分類(lèi)和信息提取。輸入表格文檔的類(lèi)別一旦確定,接下來(lái)就可以借助在模板庫(kù)中其對(duì)應(yīng)的模板表格文檔知識(shí)實(shí)現(xiàn)關(guān)鍵信息的提取,所以說(shuō)表格文檔分類(lèi)是后續(xù)表格文檔信息能否正確提取的

2、關(guān)鍵。
　　本文主要對(duì)表格文檔圖像的分析方法進(jìn)行了初步研究。首先,在文檔圖像預(yù)處理部分,本文提出了一種基于Haar-like特征的文檔圖像傾斜估計(jì)方法;同時(shí),在傾角檢測(cè)過(guò)程中,為了提高處理速度,我們提出了一種由粗到精的傾角搜索策略。通過(guò)與現(xiàn)有的比較出色的文檔傾斜校正算法相比,該方法對(duì)通用的印刷類(lèi)文檔有較高的傾斜估計(jì)精度,而且算法性能受文檔的內(nèi)容、語(yǔ)言和版面結(jié)構(gòu)變化影響較小。另外,本文對(duì)傳統(tǒng)的基于固定模板的表格分類(lèi)系統(tǒng)進(jìn)行了改進(jìn),構(gòu)

3、建了一個(gè)基于可變模板的表格文檔分類(lèi)原型系統(tǒng)。該系統(tǒng)一方面可以有效地應(yīng)對(duì)固定模板文檔分類(lèi)面臨的各種實(shí)際問(wèn)題,像文檔圖像的平移、傾斜和尺度變化等等。對(duì)于這些位置變動(dòng),我們建立了一個(gè)從固定模板到變動(dòng)模板的變換模型。通過(guò)基于Ho ugh投票的策略,去估計(jì)模型參數(shù),利用估計(jì)的參數(shù)值對(duì)輸入的變動(dòng)模板表格文檔進(jìn)行歸一化;另一方面,在固定表格模板的基礎(chǔ)上,允許在原模板的基礎(chǔ)上某幾個(gè)單元格大小可變,單元格數(shù)目可變,以提高系統(tǒng)在處理實(shí)際表格文檔分類(lèi)問(wèn)題時(shí)的