表格结构化方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供一种表格结构化方法、装置、电子设备及存储介质，所述方法包括：确定待结构化图像所包含表格的单元格信息和文本信息；基于单元格信息，对表格中各个线段进行延伸，得到表格的最小单元尺寸，基于最小单元尺寸建立网格；基于单元格信息和文本信息，将表格中的各个单元格以及各个文本行映射到网格中，得到表格的结构化信息。本发明专利技术实施例提供的表格结构化方法、装置、电子设备及存储介质，实现了不同结构的表格的统一形式的结构化表示，有利于实现对电子化后的表格的统一管理。

【技术实现步骤摘要】
表格结构化方法、装置、电子设备及存储介质
本专利技术涉及图像处理
，尤其涉及一种表格结构化方法、装置、电子设备及存储介质。
技术介绍
随着计算机的普及和电子信息技术的快速发展，纸质文档也逐渐电子化，表格文档是一种常见的文档形式。现有技术主要是通过自动提取表格文档中的表格结构信息和文本信息，以实现表格文档的电子化。然而实际应用中大部分表格的结构是不标准的，例如单元格跨行、跨列合并或者表格部分残缺等，而且不同的表格的表格结构是不统一的，对于不同的表格，现有技术仅能提取各个表格的表格结构信息和文本信息，无法通过一种统一的形式对不同的表格进行结构化表示，不便于对电子化后的表格进行统一管理。
技术实现思路
本专利技术实施例提供一种表格结构化方法、装置、电子设备及存储介质，用以解决现有技术中无法通过一种统一的形式对不同的表格进行结构化表示的缺陷。本专利技术实施例提供一种表格结构化方法，包括：确定待结构化图像所包含表格的单元格信息和文本信息；基于所述单元格信息，对所述表格中各个线段进行延伸，得到所述表本文档来自技高网...

【技术保护点】
1.一种表格结构化方法，其特征在于，包括：/n确定待结构化图像所包含表格的单元格信息和文本信息；/n基于所述单元格信息，对所述表格中各个线段进行延伸，得到所述表格的最小单元尺寸，基于所述最小单元尺寸建立网格；/n基于所述单元格信息和所述文本信息，将所述表格中的各个单元格以及各个文本行映射到所述网格中，得到所述表格的结构化信息。/n

【技术特征摘要】
1.一种表格结构化方法，其特征在于，包括：
确定待结构化图像所包含表格的单元格信息和文本信息；
基于所述单元格信息，对所述表格中各个线段进行延伸，得到所述表格的最小单元尺寸，基于所述最小单元尺寸建立网格；
基于所述单元格信息和所述文本信息，将所述表格中的各个单元格以及各个文本行映射到所述网格中，得到所述表格的结构化信息。


2.根据权利要求1所述的表格结构化方法，其特征在于，所述确定待结构化图像所包含表格的单元格信息和文本信息，具体包括：
将所述待结构化图像输入至单元格信息提取模型，得到所述单元格信息提取模型输出的所述待结构化图像所包含表格的单元格信息；所述单元格信息提取模型是基于样本图像及其对应的样本单元格信息训练得到的；
将所述待结构化图像输入至文本信息提取模型，得到所述文本信息提取模型输出的所述待结构化图像所包含表格的文本信息；所述文本信息提取模型是基于所述样本图像及其对应的样本文本信息训练得到的。


3.根据权利要求2所述的表格结构化方法，其特征在于，所述将所述待结构化图像输入至文本信息提取模型，得到所述文本信息提取模型输出的所述待结构化图像的文本信息，具体包括：
将所述待结构化图像输入至所述文本信息提取模型的文本检测层，得到所述文本检测层输出的所述待结构化图像所包含的所述表格中的每一文本行的位置信息；
将任一文本行的区域图像输入至所述文本信息提取模型的文本识别层，得到所述文本识别层输出的所述任一文本行中的每一单字及其位置信息；所述任一文本行的区域图像是基于所述任一文本行的位置信息在所述待结构化图像中定位得到的。


4.根据权利要求2所述的表格结构化方法，其特征在于，所述得到所述单元格信息提取模型输出的所述待结构化图像所包含表格的单元格信息，之后还包括：
基于所述单元格信息包含的所述表格中的各个单元格的位置信息，确定所述表格中各个单元格之间的拓扑关系；
基于所述表格中各个单元格之间的拓扑关系，对所述单元格信息进行修正。


5.根据权利要求1所述的表格结构化方法，其特征在于，所述基于所述单元格信息和所述文本信息，将所述表格中的各个单元格以及各个文本行映射到所述网格中，得到所述表格的结构化信息，具体包括：
基于所述单元格信息，将所述表格中的各个单元格映射到所述网格中；
基于所述文本信息包含的所述表格中的各个文本行的位置信息和/或各个文本行中各个单字的位置信息，将所述表格中的各个文本行映射到所述网格的单元格区域中...

【专利技术属性】
技术研发人员：李立夫，张银田，刘驰，王冲，谢名亮，殷兵，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：安徽;34