[發(fā)明專(zhuān)利]一種識(shí)別PDF文檔中圖表的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710209497.1
• 申請(qǐng)日: 2017-03-31
• 公開(kāi)（公告）號(hào): CN107133566A
• 公開(kāi)（公告）日: 2017-09-05
• 發(fā)明（設(shè)計(jì)）人: 常誠(chéng);何黎剛;陳浩
• 申請(qǐng)（專(zhuān)利權(quán)）人: 常誠(chéng)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種識(shí)別PDF文件中圖表的方法，其特征在于，該方法包括：步驟1：遍歷文件數(shù)據(jù)，記錄PDF格式標(biāo)準(zhǔn)中所有文字和繪圖 （路徑、剪輯、位圖）對(duì)象的區(qū)域信息，表示為該對(duì)象位置坐標(biāo)及寬高參數(shù)構(gòu)成的矩形；步驟2：計(jì)算每個(gè)文字對(duì)象的字符密度（字符數(shù)除以矩形面積），統(tǒng)計(jì)所有文字對(duì)象的平均字符密度d和方差 v，最小字符寬w和高h(yuǎn)；步驟3：過(guò)濾不合規(guī)繪圖對(duì)象，條件包括矩形超出頁(yè)面內(nèi)容邊界或其他自定條件，如果矩形面積為零，則繪圖區(qū)域水平和垂直方向各擴(kuò)大w/2和h/2；步驟4：遍歷繪圖對(duì)象，如果與其他對(duì)象（文字或繪圖）矩形相交則合并區(qū)域?yàn)樾吕L圖對(duì)象并記錄字符數(shù)，直到所有范圍不再變化；

步驟5：計(jì)算每個(gè)繪圖對(duì)象的字符密度D，如果D值在 (d-v, d+v) 區(qū)間外，則判定該對(duì)象為圖表，對(duì)應(yīng)矩形范圍即圖表所在區(qū)域；其中，在所述步驟5之后，還包括步驟6：讀取已識(shí)別圖表繪圖區(qū)域正上方或下方的文字，如果發(fā)現(xiàn)指定關(guān)鍵字，則確定該文字段落為題注、表注或圖注，也屬于圖表的一部分；關(guān)鍵字視文檔類(lèi)型和語(yǔ)言而定，如“Figure”、“圖”、“Table”、“表”等等。