一种基于多区域特征的电子公文分类方法技术

本发明专利技术所述一种基于多区域特征的电子公文分类方法，包括以下步骤：图像预处理：图像灰度化；图像自适应滤波；图像灰度拉伸；图像最优阈值计算；图像二值化；区域特征提取：图像分块像素分布统计特征；平滑图像直方图特征；图像纹理特征；标准文档多区域特征提取及入库：标准文档图像预处理；标准文档图像关键区域选择；标准文档图像各区域特征提取；生成文档类型特征矩阵；文档类型识别：从数据库读取文档类型特征矩阵和对应的特征区域；获取被检文档图像对应特征区域图像；计算被检文档图像各特征区域特征向量；两个特征的相关系数矩阵，计算文档类型相似度。本发明专利技术可以对政府公文进行准确的分类或识别，方法操作简单，实现方便。

【技术实现步骤摘要】

本专利技术涉及，尤其针对政府公文图片的类型识别。
技术介绍
政府公文即行政公文，是公务文书的简称，是人类在治理社会、管理国家的公务实践中使用的具有法定权威和规范格式的应用文。作为表述国家意志、执行法律法规、规范行政执法、传递重要信息的最主要的载体，从某种程度上来说，公文是国家法律法规的延续和补充。其类型一般包括:决议、决定、命令(令)、公报、公告、通告、意见、通知、通报、报告、请示、批复、议案、函、纪要等。随着电子政府的不断发展，政府办公网络化、信息化、电子化的日益盛行。为了提高政府办公效率，实现政府电子公文的自动分类或识别成为亟待解决的问题。目前，国内外对电子公文的分类主要局限于电子文档的类型分类，尚未有基于图像内容特征的电子公文的分类或识别系统或方法。由于政府公文是正式的文书，有比较固定的格式和版面要求。例如:行政公文的格式要素可划分为眉首、主体、版记三部分。红色反线以上的各个要素统称眉首；红色反线(不含)以下至主题词(不含)之间的各要素统称为主体；主题词以下的各要素统称为版记。其中，版头由发文机关全称或者规范化简称加上“文件”二字或者加上带括号注明的文种名称组成，用套红大字居中印在公文首页上部。联合行文，可用主办机关名称，也可并用联署机关名称。发文字号由机关代字、年份和发文序号组成等。因此，公文的这些要素可作为公文类型识别的关键点。
技术实现思路
本专利技术克服了现有技术中的缺点，提供了，该方法可以实现对已有版式模版的电子公文的类型进行识别的能力。为了解决上述技术问题，本专利技术是通过以下技术方案实现的:，包括以下步骤:1)图像预处理(1)图像灰度化:由于获取的电子公文图像一般为彩色图像，为使处理简化，必须将彩色信息变换到灰度空间中；(2)图像自适应滤波:通过自适应中值滤波实现对拍摄的电子公文的噪声滤除；(3)图像灰度拉伸:在实际图像中，经常会出现比较大的光照不同，因此图像灰度不一致，这将导致后续处理出现较大的误差。通过对图像进行灰度拉伸，可以实现各种灰度像素分布的调整，有利于改善图像光照条件不足导致的图像灰度的偏差；(4)图像最优阈值计算:在实际图像二值化时，对不同光照的图像进行二值化后其结果图像差距常比较大。本专利技术通过迭代算法实现图像的自适应阈值计算，减少图像二值化结果受光照条件的影响，保证公文二值化后的一致性，从而保证公文识别的准确度；(5)图像二值化:将图像转化为只有黑、白两种颜色的图像；(6)图像倾斜矫正:通过hough变换检测角度在0?5°范围内的直线，实现图像倾斜矫正。2)区域特征提取(1)图像分块像素分布统计特征；(2)平滑图像直方图特征；(3)图像纹理特征；3)标准文档多区域特征提取及入库(1)标准文档图像预处理；(2)标准文档图像关键区域选择；(3)标准文档图像各区域特征提取，获得各区域特征向量；(4)生成文档类型特征矩阵；4)文档类型识别(1)从数据库读取文档类型特征矩阵和对应的特征区域；(2)获取被检文档图像对应特征区域图像；(3)计算被检文档图像各特征区域特征向量；(4)计算被检文档的特征矩阵；(5)两个特征的相关系数矩阵，计算文档类型相似度，并以此值作为判定图像是否一致的依据。进一步，所述图像二值化为:先通过对图像进行灰度拉伸和灰度平滑矫正，然后采用最优阈值方法进行图像二值化。进一步，所述图像分块像素分布统计特征为:首先，对各区域图像进一步分块；然后，分别统计每个分块中像素个数，计算其在区域图像中的占比。最后，生成分布统计直方图。进一步，所述图像平滑图像直方图特征为:首先，区域图像进行高斯平滑；然后，分别计算区域图像灰度分布直方图。进一步，所述图像纹理特征为:首先，区域图像进行高斯平滑；然后，分别计算区域图像的surf特征点和特征向量。进一步，所述标准文档多区域特征为:将文档图像的各个关键区域设为文档分类的特征提取区域，通过对各区域图像提取区域图像的统计特征。与现有技术相比，本专利技术的有益效果是:本专利技术所述，可以对政府公文进行准确的分类或识别，方法操作简单，实现方便。而且具有较广的适用性。能适用于多种流行的图像格式文件，同时支持各种彩色、灰度图等多种图像文件，可识别已入库的公文类型。本方法能适应于多种光照条件，对不同明暗及曝光条件均能良好自适应。能自动分析背景色阶范围，并有效消除背景图像对于文档分类的影响。对旋转和噪声有较好的鲁棒性，并能较好抵抗环境噪声的影响。具有较好的准确率和速度，出错率低。【附图说明】附图用来提供对本专利技术的进一步理解，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制，在附图中:图1是本专利技术的图像预处理的流程图。图2是本专利技术的区域图像特征提取流程图。图3是本专利技术的文档特征提取与特征入库流程图。图4是本专利技术的电子公文文档类型识别流程图。图5?图7是文档识别效果图。【具体实施方式】以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。图1至3是本专利技术所述的流程图。本方法的输入为待识别的电子公文图像和标准电子公文模版图像，输出文档识别的相似度结果。参阅图4。1、实施过程1)标准公文图像录入(1)读取电子公文图像。读取电子公文图像，图像类型可以为JPG、BMP或其它常见格式图像文件。(2)图像预处理化。对原始图像灰度化，图像灰度拉伸，滤波去噪，二值化，图像倾斜矫正等。(3)图像区域设置。根据电子公文的类型和特点设置特征区域。(4)提取各区域特征，计算电子公文特征矩阵。(5)将特征区域和特征矩阵存入数据库。2)被检公文类型识别(1)从数据库中分别读取每一个标准公文图像的特征区域与特征矩阵。(2)对被检公文图像的对应特征区域计算特征矩阵。(3)将文档特征矩阵进行相似度比较。(4)得到公文文档类型编号。2实施例【实施例1】如图5所示。实施例1被检图像与标准图像相同时能准确进行文档类型的识别，相似度结果为1，即被检公文图像与标准公文图像相同。【实施例2】如图6所示。实施例2中被检图像与标准图像不同时能准确进行文档类型的识别，相似度结果为0.17，即被检公文图像与标准公文图像不相同。【实施例3】如图7所示。实施例3中被检图像与标准图像不同时也能准确进行文档类型的识别，相似度结果为0.2，即被检公文图像与标准公文图像不相同。最后应说明的是:以上仅为本专利技术的优选实施例而已，并不用于限制本专利技术，尽管参照实施例对本专利技术进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，但是凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。【主权项】1.，其特征在于，包括以下步骤:1)图像预处理 (1)图像灰度化； (2)图像自适应滤波； (3)图像灰度拉伸； (4)图像最优阈值计算； (5)图像二值化； (6)图像倾斜矫正； 2)区域特征提取 (1)图像分块像素分布统计特征； (2)平滑图像直方图特征； (3)图像纹理特征； 3)标准文档多区域特征提取及入库 (1)标准文档图像预处理； (2)标准文档图像关键区域选择； (3)标准文档图像各区域特征提取，获得各本文档来自技高网...

【技术保护点】
一种基于多区域特征的电子公文分类方法，其特征在于，包括以下步骤：1)图像预处理(1)图像灰度化；(2)图像自适应滤波；(3)图像灰度拉伸；(4)图像最优阈值计算；(5)图像二值化；(6)图像倾斜矫正；2)区域特征提取(1)图像分块像素分布统计特征；(2)平滑图像直方图特征；(3)图像纹理特征；3)标准文档多区域特征提取及入库(1)标准文档图像预处理；(2)标准文档图像关键区域选择；(3)标准文档图像各区域特征提取，获得各区域特征向量；(4)生成文档类型特征矩阵；4)文档类型识别(1)从数据库读取文档类型特征矩阵和对应的特征区域；(2)获取被检文档图像对应特征区域图像；(3)计算被检文档图像各特征区域特征向量；(4)计算被检文档的特征矩阵；(5)两个特征的相关系数矩阵，计算文档类型相似度。

【技术特征摘要】

【专利技术属性】
技术研发人员：王东，李晓东，陈俊健，顾艳春，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东;44