基于模型驅(qū)動(dòng)的表格識(shí)別的研究.pdf

1、表格識(shí)別是當(dāng)前圖像識(shí)別領(lǐng)域中的一個(gè)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(dòng)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(shí)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(duì)表格數(shù)據(jù)進(jìn)行自動(dòng)處理；通過模板匹配，可以進(jìn)行證件驗(yàn)證。本文設(shè)計(jì)了一個(gè)表格描述模型，根據(jù)模型要求，設(shè)計(jì)實(shí)現(xiàn)了一個(gè)表格識(shí)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(jì)實(shí)現(xiàn)了一個(gè)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(duì)比選擇了XML作為表格模型的描述語(yǔ)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(duì)表格結(jié)構(gòu)的描述清晰、簡(jiǎn)單，利于對(duì)表格模板進(jìn)行二次開發(fā)利用。
　　 本文對(duì)表格識(shí)別的方法進(jìn)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(shí)別，降低表格特征識(shí)別的時(shí)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(xì)化四個(gè)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(dá)到了降低表格特征識(shí)別時(shí)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(shí)別需要識(shí)別出表格的單元格和嵌套表格，為了實(shí)現(xiàn)這個(gè)目標(biāo)需要首先提取出表格線。每一種表格特征的識(shí)別本文都實(shí)現(xiàn)了一個(gè)算法，并對(duì)算法和最終的結(jié)果進(jìn)行了分析。
　　 在表格特征識(shí)別的基礎(chǔ)上，在研究過程中還加入了一些邏輯特征的識(shí)別。這些邏輯特征識(shí)別的加入，

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