[发明专利]基于表格识别的表格文字信息提取的方法及系统

权利要求书

1.一种基于表格识别的表格文字信息提取的方法，其特征在于，包括如下步骤：

a.利用图像算法框架载入表格图像；

b.识别定位出表格图像中的所有横线，确定中间位置的两条横线为候选线；

c.将候选线两端延长至左右边界，左右边界分别纵向延长至上下顶点；

d.预设相邻像素值，根据位置判断沿纵向与横向在所述相邻像素值内是否有节点，左右边界分别沿横向与相邻像素值内的节点进行连接，连接过程中，同时寻找纵向在相邻像素值内的节点进行连接；

e.对于表格中每个单元格内的信息分别进行提取识别。

2.根据权利要求1所述一种基于表格识别的表格文字信息提取的方法，其特征在于，步骤a还包括：在所述利用图像算法框架载入表格图像之后，对表格信息进行预处理。

3.根据权利要求2所述一种基于表格识别的表格文字信息提取的方法，其特征在于，步骤c还包括：在所述左右边界分别纵向延长至上下顶点之后，对图像进行矫正处理。

4.根据权利要求3所述一种基于表格识别的表格文字信息提取的方法，其特征在于，步骤e具体包括：根据表格结构特征对表格单元格进行ID标记；提取需要识别的表格对应标记的原图中局部图像；识别提取局部图像内的文字信息。

5.根据权利要求4所述一种基于表格识别的表格文字信息提取的方法，其特征在于，步骤e还包括：在所述识别提取局部图像内的文字信息之前，进行局部图像增强处理。

6.一种基于表格识别的表格文字信息提取的系统，其特征在于，包括：

提取单元，用于利用图像算法框架载入表格图像；

筛选单元，用于识别定位出表格图像中的所有横线，确定中间位置的两条横线为候选线；

第一连线单元，用于将候选线两端延长至左右边界，左右边界分别纵向延长至上下顶点；

第二连线单元，用于预设相邻像素值，根据位置判断沿纵向与横向在所述相邻像素值内是否有节点，左右边界分别沿横向与相邻像素值内的节点进行连接，连接过程中，同时寻找纵向在相邻像素值内的节点进行连接；

识别单元，用于对于表格中每个单元格内的信息分别进行提取识别。

7.根据权利要求6所述一种基于表格识别的表格文字信息提取的系统，其特征在于，所述提取单元还包括：预处理模块，用于在所述利用图像算法框架载入表格图像之后，对表格信息进行预处理。

8.根据权利要求7所述一种基于表格识别的表格文字信息提取的系统，其特征在于，所述第一连线单元还包括：矫正模块，用于在所述左右边界分别纵向延长至上下顶点之后，对图像进行矫正处理。

9.根据权利要求8所述一种基于表格识别的表格文字信息提取的系统，其特征在于，所述识别单元具体包括：标记模块，用于根据表格结构特征对表格单元格进行ID标记；提取模块，用于提取需要识别的表格对应标记的原图中局部图像；分析模块，用于识别提取局部图像内的文字信息。

10.根据权利要求9所述一种基于表格识别的表格文字信息提取的系统，其特征在于，所述识别单元还包括：图像增强模块，用于在所述识别提取局部图像内的文字信息之前，进行局部图像增强处理。