2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、在日常的商業(yè)活動中,我們每天都運用了大量的文檔和表格。同時表格文檔也廣泛地應(yīng)用于各個領(lǐng)域,通常人們需要手動處理表格文檔,例如客戶需要繳納賦稅,圖書管理員需要采集紙質(zhì)表格文檔中所包含的數(shù)據(jù)信息。由于光學(xué)字符識別(OCR)技術(shù)的發(fā)展,人們開始嘗試?yán)每色@得數(shù)據(jù)的標(biāo)準(zhǔn)表格圖像來提取表格中的數(shù)據(jù)信息,這可以減少工作時間并減輕其的工作負擔(dān)。在商業(yè)領(lǐng)域中,利用OCR技術(shù)可以提高工作質(zhì)量,并且可以減少人們花費在處理表格文檔上的大量時間。在OCR運用的

2、許多領(lǐng)域中,我們通過獲取的表格模板使用戶知道圖像中印刷體的目標(biāo)字符串。這些字符串信息包括了許多項目內(nèi)容如文本信息和數(shù)學(xué)公式等。然而,表格的存在阻礙了數(shù)據(jù)信息的提取。因此,表格線檢測/去除是印刷體表格識別技術(shù)中的一項重要任務(wù)。由上可知,我們需要一個實際的表格識別系統(tǒng)來處理這些問題。
  本文在印刷體文檔識別技術(shù)的基礎(chǔ)上,對表格文檔的識別技術(shù)進行了深入的研究,并完成了部分表格識別系統(tǒng)的開發(fā)工作。傳統(tǒng)的表格識別系統(tǒng)可以分為二部分:表格框

3、架識別和圖像信息提取與表格重繪。
  在表格框架識別部分中,首先表格線的檢測、去除以及圖像識別處理技術(shù)都是基于二值圖像完成的。因此,本文運用了一種有效的二值化算法將256色灰度圖像轉(zhuǎn)化為理想的二值圖像,并采用改進的Hough變換法來完成一定范圍內(nèi)的圖像傾斜校正;其次,利用文檔圖像的版面分析提取圖像中的表格區(qū)域,并將非表格區(qū)域刪除以便于提取圖像中表格區(qū)域的數(shù)據(jù)信息。最后,本文采用了傳統(tǒng)的投影法與基于直線的搜索相結(jié)合的算法完成表格線的

4、檢測與提取。在完成圖像中的表格線的提取之后,針對表格線存在的斷裂和非對齊等問題分別做出相應(yīng)的處理,并且將圖像中的橫向與縱向表格線重組成表格框架。
  在圖像信息提取部分中,由于表格的種類繁多及其復(fù)雜性,表格單元提取成為表格自動識別系統(tǒng)中一個重要的影響因素。本文采用了交點特征和交點軌跡法提取表格單元,并形成閉環(huán)區(qū)域。然后利用數(shù)學(xué)形態(tài)學(xué)的方法除去表格線,使我們可以獲取表格圖像中的數(shù)據(jù)信息,利用OCR技術(shù)完成數(shù)據(jù)的識別,并將其寫入已經(jīng)提

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論