[發(fā)明專利]文檔圖像的文檔版面分析方法、裝置及存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811152315.2
• 申請日: 2018-09-29
• 公開（公告）號: CN110969056B
• 公開（公告）日: 2023-08-08
• 發(fā)明（設(shè)計(jì)）人: 程戰(zhàn)戰(zhàn)
• 申請（專利權(quán)）人: 杭州海康威視數(shù)字技術(shù)股份有限公司
• 主分類號: G06V30/40
• 分類號: G06V30/40;G06T3/60;G06T5/00
• 代理公司: 北京三高永信知識產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 劉映東

1.一種文檔圖像的文檔版面分析方法，其特征在于，所述方法包括：

獲取文檔圖像中待分析的文檔版面；

提取所述文檔版面中的至少一個(gè)文字區(qū)塊，并對所述至少一個(gè)文字區(qū)塊進(jìn)行文字識別，得到所述至少一個(gè)文字區(qū)塊對應(yīng)的文字信息；

根據(jù)所述至少一個(gè)文字區(qū)塊對應(yīng)的文字信息，確定所述至少一個(gè)文字區(qū)塊對應(yīng)的至少一個(gè)主題信息；

根據(jù)所述至少一個(gè)主題信息，確定所述文檔版面的描述信息；

其中，所述根據(jù)所述至少一個(gè)文字區(qū)塊對應(yīng)的文字信息，確定所述至少一個(gè)文字區(qū)塊對應(yīng)的至少一個(gè)主題信息，包括：

根據(jù)所述文檔版面的類型，確定至少一個(gè)指定提取關(guān)鍵詞；對于每個(gè)文字區(qū)塊，根據(jù)所述至少一個(gè)指定提取關(guān)鍵詞，從所述每個(gè)文字區(qū)塊對應(yīng)的文字信息中提取每個(gè)指定提取關(guān)鍵詞對應(yīng)的指定信息；根據(jù)所述每個(gè)指定提取關(guān)鍵詞對應(yīng)的指定信息，生成所述文字區(qū)塊的主題信息；

其中，所述根據(jù)所述至少一個(gè)主題信息，確定所述文檔版面的描述信息，包括：

將所述至少一個(gè)主題信息組成所述文檔版面的描述信息；或，

根據(jù)第一預(yù)設(shè)規(guī)則將所述至少一個(gè)主題信息連接成一個(gè)語句，并將所述一個(gè)語句確定為所述文檔版面的描述信息。

2.如權(quán)利要求1所述的方法，其特征在于，所述獲取文檔圖像中待分析的文檔版面之后，還包括：

對所述文檔版面進(jìn)行灰度處理，得到所述文檔版面的灰度圖像；

對所述灰度圖像進(jìn)行高斯模糊處理，得到所述文檔版面的高斯模糊圖像；

對所述高斯模糊圖像進(jìn)行銳化處理。

3.如權(quán)利要求1或2所述的方法，其特征在于，所述獲取文檔圖像中待分析的文檔版面之后，還包括：

檢測所述文檔版面是否處于傾斜狀態(tài)；

當(dāng)檢測到所述文檔版面處于傾斜狀態(tài)時(shí)，對所述文檔版面進(jìn)行傾斜矯正。

4.如權(quán)利要求3所述的方法，其特征在于，所述對所述文檔版面進(jìn)行傾斜矯正，包括：

旋轉(zhuǎn)所述文檔版面，并確定所述文檔版面在旋轉(zhuǎn)過程中對應(yīng)的多個(gè)垂直投影直方圖；

根據(jù)所述多個(gè)垂直投影直方圖確定所述文檔版面的多個(gè)行間距；

根據(jù)所述多個(gè)行間距中的最大行間距確定所述最大行間距對應(yīng)的目標(biāo)垂直投影直方圖；

將所述目標(biāo)垂直投影直方圖對應(yīng)的文檔版面確定為所述傾斜矯正后的文檔版面。

5.如權(quán)利要求1所述的方法，其特征在于，所述提取所述文檔版面中的至少一個(gè)文字區(qū)塊，包括：

對所述文檔版面進(jìn)行分塊處理，得到所述文檔版面包括的多個(gè)第一區(qū)塊；

檢測所述多個(gè)第一區(qū)塊的類型；

根據(jù)所述多個(gè)第一區(qū)塊的類型，從所述多個(gè)第一區(qū)塊中提取類型為文字類型的至少一個(gè)文字區(qū)塊。

6.如權(quán)利要求5所述的方法，其特征在于，所述對所述文檔版面進(jìn)行分塊處理，得到所述文檔版面包括的多個(gè)第一區(qū)塊，包括：

確定所述文檔版面中的非空白區(qū)域；

對所述非空白區(qū)域進(jìn)行膨脹操作處理，得到多個(gè)第二區(qū)塊；

確定相鄰兩個(gè)所述第二區(qū)塊之間的距離，并當(dāng)所述距離超過預(yù)設(shè)距離時(shí)，將所述相鄰兩個(gè)所述第二區(qū)塊合并為一個(gè)第一區(qū)塊。

7.如權(quán)利要求1所述的方法，其特征在于，所述提取所述文檔版面中的至少一個(gè)文字區(qū)塊，并對所述至少一個(gè)文字區(qū)塊進(jìn)行文字識別，得到所述至少一個(gè)文字區(qū)塊對應(yīng)的文字信息，包括：

通過第一神經(jīng)網(wǎng)絡(luò)模型提取所述文檔版面中的至少一個(gè)文字區(qū)塊，并通過所述第一神經(jīng)網(wǎng)絡(luò)模型對所述至少一個(gè)文字區(qū)塊進(jìn)行文字識別，得到所述至少一個(gè)文字區(qū)塊對應(yīng)的文字信息；

所述根據(jù)所述至少一個(gè)文字區(qū)塊對應(yīng)的文字信息，確定所述至少一個(gè)文字區(qū)塊對應(yīng)的至少一個(gè)主題信息，包括：

根據(jù)所述至少一個(gè)文字區(qū)塊對應(yīng)的文字信息，通過第二神經(jīng)網(wǎng)絡(luò)模型確定所述至少一個(gè)文字區(qū)塊對應(yīng)的至少一個(gè)主題信息，所述第一神經(jīng)網(wǎng)絡(luò)模型和所述第二神經(jīng)網(wǎng)絡(luò)模型相同或者不同。