[發明專利]基于表格識別的表格文字信息提取的方法及系統

有效

• 申請號: 201910182866.1
• 申請日: 2019-03-12
• 公開（公告）號: CN109934160B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 孫杰;王光夫
• 申請（專利權）人: 天津瑟威蘭斯科技有限公司
• 主分類號: G06V30/413
• 分類號: G06V30/413;G06V30/148;G06V30/414;G06V30/168;G06V30/16
• 代理公司: 天津展譽專利代理有限公司 12221
• 代理人: 陳欣

1.一種基于表格識別的表格文字信息提取的方法，其特征在于，包括如下步驟：

a.利用圖像算法框架載入表格圖像；

b.識別定位出表格圖像中的所有橫線，確定中間位置的兩條橫線為候選線；

c.將候選線兩端延長至左右邊界，左右邊界分別縱向延長至上下頂點；

d.預設相鄰像素值，根據位置判斷沿縱向與橫向在所述相鄰像素值內是否有節點，左右邊界分別沿橫向與相鄰像素值內的節點進行連接，連接過程中，同時尋找縱向在相鄰像素值內的節點進行連接；

e.對于表格中每個單元格內的信息分別進行提取識別。

2.根據權利要求1所述一種基于表格識別的表格文字信息提取的方法，其特征在于，步驟a還包括：在所述利用圖像算法框架載入表格圖像之后，對表格信息進行預處理。

3.根據權利要求2所述一種基于表格識別的表格文字信息提取的方法，其特征在于，步驟c還包括：在所述左右邊界分別縱向延長至上下頂點之后，對圖像進行矯正處理。

4.根據權利要求3所述一種基于表格識別的表格文字信息提取的方法，其特征在于，步驟e具體包括：根據表格結構特征對表格單元格進行ID標記；提取需要識別的表格對應標記的原圖中局部圖像；識別提取局部圖像內的文字信息。

5.根據權利要求4所述一種基于表格識別的表格文字信息提取的方法，其特征在于，步驟e還包括：在所述識別提取局部圖像內的文字信息之前，進行局部圖像增強處理。

6.一種基于表格識別的表格文字信息提取的系統，其特征在于，包括：

提取單元，用于利用圖像算法框架載入表格圖像；

篩選單元，用于識別定位出表格圖像中的所有橫線，確定中間位置的兩條橫線為候選線；

第一連線單元，用于將候選線兩端延長至左右邊界，左右邊界分別縱向延長至上下頂點；

第二連線單元，用于預設相鄰像素值，根據位置判斷沿縱向與橫向在所述相鄰像素值內是否有節點，左右邊界分別沿橫向與相鄰像素值內的節點進行連接，連接過程中，同時尋找縱向在相鄰像素值內的節點進行連接；

識別單元，用于對于表格中每個單元格內的信息分別進行提取識別。

7.根據權利要求6所述一種基于表格識別的表格文字信息提取的系統，其特征在于，所述提取單元還包括：預處理模塊，用于在所述利用圖像算法框架載入表格圖像之后，對表格信息進行預處理。

8.根據權利要求7所述一種基于表格識別的表格文字信息提取的系統，其特征在于，所述第一連線單元還包括：矯正模塊，用于在所述左右邊界分別縱向延長至上下頂點之后，對圖像進行矯正處理。

9.根據權利要求8所述一種基于表格識別的表格文字信息提取的系統，其特征在于，所述識別單元具體包括：標記模塊，用于根據表格結構特征對表格單元格進行ID標記；提取模塊，用于提取需要識別的表格對應標記的原圖中局部圖像；分析模塊，用于識別提取局部圖像內的文字信息。

10.根據權利要求9所述一種基于表格識別的表格文字信息提取的系統，其特征在于，所述識別單元還包括：圖像增強模塊，用于在所述識別提取局部圖像內的文字信息之前，進行局部圖像增強處理。