基于OCR識別的表格分析編改系統(tǒng)研究.pdf

1、表格是一種常用的數(shù)據(jù)資料載體,廣泛應(yīng)用于各種場合。印刷表格中的信息經(jīng)常需要批量輸入到計算機中進行整理和分析,通常的做法是由人工錄入,但這種方法的缺點是效率低,易出錯,成本高。本文通過對一種基于OCR識別的自動化表格數(shù)據(jù)生產(chǎn)加工系統(tǒng)進行研究,旨在提高加工效率和數(shù)據(jù)質(zhì)量并節(jié)約加工成本。
　　 在本文所研究的數(shù)據(jù)加工系統(tǒng)中,通過細(xì)化加工需求,將表格錄入分解為表格結(jié)構(gòu)的版面分析和單元格文字的編改校對兩個相對獨立的問題。本文所研究的加工系

2、統(tǒng)采用自動化的方法分析表格結(jié)構(gòu)并由人工輔助加以調(diào)整,再選取兩種有互補性的識別引擎對表格的版面進行識別得到所有單元格的文字信息,然后對比并標(biāo)記出不相同的文字進行人工編改和校對,最后將表格的版面信息和校對正確的文字整合自動輸出電子表格文件。
　　 本文設(shè)計了結(jié)構(gòu)化的數(shù)據(jù)加工流水線,支持?jǐn)?shù)百人同時在線完成海量數(shù)據(jù)加工任務(wù);大量運用了自動化機器人技術(shù),使用雙引擎識別文字對比的方法,減輕了人工操作的負(fù)擔(dān);采用人工雙路編改校對的模式,有效的