基于模型驅(qū)動的表格識別的研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、表格識別是當(dāng)前圖像識別領(lǐng)域中的一個重要研究課題,由于信息化的普及和表格數(shù)據(jù)的大量出現(xiàn),表單數(shù)據(jù)自動處理技術(shù)已經(jīng)在很多行業(yè)和領(lǐng)域中取得應(yīng)用。表格圖像識別技術(shù)不僅可以提取表格結(jié)構(gòu),與OCR結(jié)合還可以對表格數(shù)據(jù)進行自動處理;通過模板匹配,可以進行證件驗證。本文設(shè)計了一個表格描述模型,根據(jù)模型要求,設(shè)計實現(xiàn)了一個表格識別方法,通過該方法能夠?qū)⒈砀駡D像轉(zhuǎn)換成規(guī)定格式的模型。在表格模板的基礎(chǔ)上,設(shè)計實現(xiàn)了一個表格輸出和數(shù)據(jù)提取的系統(tǒng)。
  

2、 本文分析了幾種常見的表格結(jié)構(gòu)的描述方式,通過對比選擇了XML作為表格模型的描述語言。根據(jù)本文研究的表格特征,提出了一種表格模型。該模型具有很好的復(fù)用性,而且對表格結(jié)構(gòu)的描述清晰、簡單,利于對表格模板進行二次開發(fā)利用。
   本文對表格識別的方法進行了分析,一般分為圖像預(yù)處理和表格特征提取兩部分。圖像預(yù)處理的目的是使表格特征更突出,更容易識別,降低表格特征識別的時間和空間復(fù)雜度。根據(jù)本文所研究的表格特征,表格預(yù)處理可分為圖像灰度

3、化、圖像二值化、圖像的傾斜校正和圖像細化四個步驟。經(jīng)過預(yù)處理后的圖像,明顯分為黑白兩種顏色,表格線只有單像素寬,達到了降低表格特征識別時間和空間復(fù)雜度的目的。根據(jù)模型定義的要求,表格特征識別需要識別出表格的單元格和嵌套表格,為了實現(xiàn)這個目標(biāo)需要首先提取出表格線。每一種表格特征的識別本文都實現(xiàn)了一個算法,并對算法和最終的結(jié)果進行了分析。
   在表格特征識別的基礎(chǔ)上,在研究過程中還加入了一些邏輯特征的識別。這些邏輯特征識別的加入,

4、進一步提高了表格識別的智能化程度。表格邏輯特征的識別包括了文字的識別、文字特征的識別和單元格邏輯關(guān)系的識別。其中單元格之間的邏輯關(guān)系的識別對表格圖像有一定的特殊要求,需要對不同類型的單元格利用顏色等特征進行區(qū)分。
   本文通過對表格模型的解析,實現(xiàn)了表格模型與業(yè)務(wù)數(shù)據(jù)的結(jié)合,大大節(jié)省了程序開發(fā)的時間。在實際應(yīng)用中,與OCR技術(shù)結(jié)合,可以實現(xiàn)業(yè)務(wù)數(shù)據(jù)的提取。通過對XML解析方式的分析,結(jié)合本文采用的開發(fā)平臺,選擇了DOM4J這種

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論