[發(fā)明專利]文本版心識別方法、電子設(shè)備及計算機存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201710334158.6
• 申請日: 2017-05-12
• 公開（公告）號: CN107169486B
• 公開（公告）日: 2018-06-15
• 發(fā)明（設(shè)計）人: 張恒;孫上斌
• 申請（專利權(quán)）人: 掌閱科技股份有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20
• 代理公司: 北京市浩天知識產(chǎn)權(quán)代理事務所(普通合伙) 11276
• 代理人: 宋菲;劉云貴

1.一種文本版心識別方法，其包括：

從文本中擇取預設(shè)頁數(shù)的頁面，將所述預設(shè)頁數(shù)的頁面按照頁碼分為奇數(shù)頁面組和偶數(shù)頁面組；

分別對奇數(shù)頁面組和偶數(shù)頁面組中每個頁面的文字以行為單位進行識別，得到每個頁面中每行文字對應的矩形文本對象；

針對奇數(shù)頁面組和偶數(shù)頁面組中的每一頁面組，進行如下處理：

對該頁面組的頁面進行完全重疊設(shè)置，以垂直于頁面的方向為投影方向?qū)υ擁撁娼M進行投影處理，將在投影方向上具有相交區(qū)域的矩形文本對象進行合并處理，得到包含所述合并處理后的矩形文本對象的該頁面組的投影頁面；

根據(jù)該頁面組的所述投影頁面中矩形文本對象的矩形位置數(shù)據(jù)、矩形尺寸數(shù)據(jù)和/或矩形文本對象的文字信息，對所述矩形文本對象進行過濾處理，得到該頁面組的所述投影頁面的有效矩形文本對象；

根據(jù)該頁面組的所述投影頁面的有效矩形文本對象，確定該頁面組的版心。

2.根據(jù)權(quán)利要求1所述的方法，其中，在所述從文本中擇取預設(shè)頁數(shù)的頁面之后，將所述預設(shè)頁數(shù)的頁面按照頁碼分為奇數(shù)頁面組和偶數(shù)頁面組之前，所述方法進一步包括：

根據(jù)各頁面中文字的字體和/或字號判斷頁面是否為包含正文的頁面，若否，則去除該頁面。

3.根據(jù)權(quán)利要求1所述的方法，其中，所述對該頁面組的頁面進行完全重疊設(shè)置，以垂直于頁面的方向為投影方向?qū)υ擁撁娼M進行投影處理，將在投影方向上具有相交區(qū)域的矩形文本對象進行合并處理，得到包含所述合并處理后的矩形文本對象的該頁面組的投影頁面進一步包括：

對該頁面組的頁面進行完全重疊設(shè)置，以垂直于頁面的方向為投影方向?qū)υ擁撁娼M進行投影處理，將在投影方向上具有相交區(qū)域的矩形文本對象按照包括這些矩形文本對象的最小范圍進行合并處理，得到包含所述合并處理后的矩形文本對象的該頁面組的投影頁面。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)該頁面組的所述投影頁面中矩形文本對象的矩形位置數(shù)據(jù)、矩形尺寸數(shù)據(jù)和/或矩形文本對象的文字信息，對所述矩形文本對象進行過濾處理，得到該頁面組的所述投影頁面的有效矩形文本對象進一步包括：

以該頁面組的所述投影頁面的左下角為原點，設(shè)置頁面橫向為x軸，頁面縱向為y軸；

按照所述矩形文本對象的矩形位置數(shù)據(jù)在y軸方向上投影值由大到小排序，依照排序依次對矩形文本對象進行y軸過濾處理，選取最先未被過濾的矩形文本對象作為該頁面組的所述投影頁面在y軸方向的第一有效矩形文本對象；

按照所述矩形文本對象的矩形位置數(shù)據(jù)在y軸方向上投影值由小到大排序，依照排序依次對矩形文本對象進行y軸過濾處理，選取最先未被過濾的矩形文本對象作為該頁面組的所述投影頁面在y軸方向的第二有效矩形文本對象；

按照所述矩形文本對象的矩形位置數(shù)據(jù)在x軸方向上投影值由小到大排序，依照排序依次對矩形文本對象進行x軸過濾處理，選取最先未被過濾的矩形文本對象作為該頁面組的所述投影頁面在x軸方向的第三有效矩形文本對象；

按照所述矩形文本對象的矩形位置數(shù)據(jù)在x軸方向上投影值由大到小排序，依照排序依次對矩形文本對象進行x軸過濾處理，選取最先未被過濾的矩形文本對象作為該頁面組的所述投影頁面在x軸方向的第四有效矩形文本對象。

5.根據(jù)權(quán)利要求4所述的方法，其中，所述依照排序依次對矩形文本對象進行y軸過濾處理進一步包括：

判斷所述矩形文本對象的文字信息中包含重復文字內(nèi)容的重復率是否達到預設(shè)重復率，若是，則過濾所述矩形文本對象；

和/或，判斷所述矩形文本對象的文字信息中包含的文字內(nèi)容是否均為數(shù)字，若是，則過濾所述矩形文本對象；

和/或，判斷所述矩形文本對象的矩形高度是否小于預設(shè)高度，若是，則過濾所述矩形文本對象；

和/或，判斷所述矩形文本對象的矩形寬度是否小于預設(shè)寬度，若是，則過濾所述矩形文本對象。