表格文檔圖像分析方法研究.pdf

1、表格文檔是一種簡明、規(guī)范的文檔形式,它非常便于填寫和處理,在人們的日常生活和工作中得到了較為廣泛的應用。伴隨著信息化時代的到來,文檔電子化已經成為未來發(fā)展的必然趨勢。相應地,表格文檔自動處理系統得到了國內外學者的廣泛關注。一般地,一個表格文檔自動處理系統分為兩大模塊:表格文檔分類和信息提取。輸入表格文檔的類別一旦確定,接下來就可以借助在模板庫中其對應的模板表格文檔知識實現關鍵信息的提取,所以說表格文檔分類是后續(xù)表格文檔信息能否正確提取的

2、關鍵。
　　本文主要對表格文檔圖像的分析方法進行了初步研究。首先,在文檔圖像預處理部分,本文提出了一種基于Haar-like特征的文檔圖像傾斜估計方法;同時,在傾角檢測過程中,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。通過與現有的比較出色的文檔傾斜校正算法相比,該方法對通用的印刷類文檔有較高的傾斜估計精度,而且算法性能受文檔的內容、語言和版面結構變化影響較小。另外,本文對傳統的基于固定模板的表格分類系統進行了改進,構

3、建了一個基于可變模板的表格文檔分類原型系統。該系統一方面可以有效地應對固定模板文檔分類面臨的各種實際問題,像文檔圖像的平移、傾斜和尺度變化等等。對于這些位置變動,我們建立了一個從固定模板到變動模板的變換模型。通過基于Ho ugh投票的策略,去估計模型參數,利用估計的參數值對輸入的變動模板表格文檔進行歸一化;另一方面,在固定表格模板的基礎上,允許在原模板的基礎上某幾個單元格大小可變,單元格數目可變,以提高系統在處理實際表格文檔分類問題時的