一种有限表格自动识别与解析方法技术

本发明专利技术公开了一种有限表格自动识别与解析方法，具体按照以下步骤实施：步骤1、对表格进行筛选；步骤2、使用opencv库对筛选出的表格进行定位。先将所有的pdf文件转化为图片集合，再进行筛选定位，筛选过程分为了两部分，第一部分对一行以上的较大表格进行筛选，第二部分对只有一行或者左半部分只有一行的特殊情况进行筛选，防止只有一行的表格在第一部分因为面积过小而被删减，以及左半部分只有一行的表格在第一部分因为情况特殊而缺失部分信息，最后再将所有筛选出来的表格进行定位，输出。两次筛选过程，使得该发明专利技术具有可观的正确性，以及实用性。

【技术实现步骤摘要】
一种有限表格自动识别与解析方法
本专利技术属于图像识别
，涉及一种有限表格自动识别与解析方法。
技术介绍
图像识别技术是人工智能的一个重要领域，它是立体视觉、运动分析、数据融合等实用技术的基础，在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域具有重要的应用价值。图片目标识别对行人、车牌、人脸等特征识别已经较为成熟。对文本的研究是建立在已有的文本上，对词义转换，词频统计等方面。虽然目前研究已有对PDF文本表格信息处理等纯文字或者高度统一的弱图像分析，但是正确率，适用性等方面依然无法保证。人们在通讯交流、科学研究以及数据分析活动当中广泛采用着形形色色的表格，对于各种形态和结构的表格，实体关系建模需要考虑周全，深度学习在本项目上的应用也需要灵活多变。
技术实现思路
本专利技术的目的是提供一种有限表格自动识别与解析方法，具有对PDF中的表格进行筛选定位，并将有效表格进行输出的特点。本专利技术所采用的技术方案是，一种有限表格自动识别与解析方法，具体按照以下步骤实施：步骤1、本文档来自技高网...

【技术保护点】
1.一种有限表格自动识别与解析方法，其特征在于，具体按照以下步骤实施：/n步骤1、对表格进行筛选；/n步骤2、使用opencv库对筛选出的表格进行定位。/n

【技术特征摘要】
1.一种有限表格自动识别与解析方法，其特征在于，具体按照以下步骤实施：
步骤1、对表格进行筛选；
步骤2、使用opencv库对筛选出的表格进行定位。


2.根据权利要求1所述的一种有限表格自动识别与解析方法，其特征在于，所述步骤1具体按照以下步骤实施：
步骤1.1、输入原文档记为A，经过图片转换函数F(X)，将pdf文件A转化成图片集B＝F(A)；
步骤1.2、利用灰度化和自适应阈值及二值化处理图片；
步骤1.3、通过腐蚀膨胀对处理后的图片进行筛选；
步骤1.4、使用opencv库二次进行筛选。


3.根据权利要求2所述的一种有限表格自动识别与解析方法，其特征在于，所述步骤1.2具体为：
先将图片集合B进行灰度化处理，找到阈值，再进行高斯滤波，最后用自适应阈值函数进行二值化处理，将图片集B中的图片转化为新的二值化图片集C＝M(B)。


4.根据权利要求2所述的一种有限表格自动识别与解析方法，其特征在于，所述步骤1.3具体为：
通过在二值化图片集C的基础上，用长横条、长竖条进行操作，将图片分别化为全横线与全竖线，叠加后获取该图片所有的交点，然后提取出表格框中的各个交点，寻找出图像的轮廓，记录为接着求出各个轮廓的面积，并对过小面积的轮廓利用条件H(x)进行排除，得到第一次筛选过后的目标图像Mp1＝H(Dp1)；
表达式为：





5.根据权利要求4所述的一种有限表格自动识别与解析方法，其特征在于，所述步骤1.3中的i为所使用筛选算法的种类包括：腐蚀、寻找图像轮廓、对图像进行二进制“非”和图像轮廓面积计算，j为进行筛选的序数，n≥0。

【专利技术属性】
技术研发人员：张贝贝，郭仲穗，郑浩然，李虹岩，邬凛，魏嵬，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61