[发明专利]一种增值税发票信息的提取方法

说明书

本发明涉及一种增值税发票信息的提取方法，包括：首先，对发票图片进行预处理，使发票图片无旋转且方位正确，定位和识别发票监制章并根据发票监制章内容确定发票版式；然后，利用增值税发票的背景表格文字和打印内容的色调差异，从发票图片中提取蓝色调像素并二值化得到打印内容图片；接着，根据发票版式构造发票信息打印区域模板并利用模板对打印内容图片上的文本行进行区域匹配得到发票信息图片块；最后，对发票信息图片块进行文本识别以及综合分析得到发票信息提取结果。本发明所涉及的一种增值税发票信息提取方法相比于现有技术具有更好的容错性，对于发票打印内容和背景表格文字存在重叠干扰的情况，也能很好地进行发票信息提取。

技术领域

本发明涉及一种增值税发票信息的提取方法，属于增值税发票自动化处理领域。

背景技术

近年来，随着企业信息化的推进，越来越多的企业开始使用信息化系统来管理财务资料，其中，其中涉及到对发票等票据的电子化。将发票，具体包括企业接收到的别的企业开出的增值税普通发票的发票联以及增值税专用发票的发票联和抵扣联，进行电子化的传统方法是财务人员查阅纸质发票，并手动将发票上的发票信息录入到信息化系统中，这种传统方法消耗大量人力也容易出现差错。

随着文本OCR识别等技术的应用，也出现了基于文本OCR识别技术对发票信息进行自动识别和提取的方法。不过，在发票识别这个问题上，由于大量发票存在“打偏”的情况，发票上的打印内容和发票的背景表格文字存在重叠，这会造成干扰并大大降低了当前文本OCR识别技术对发票信息进行自动识别的准确性，限制了发票信息化应用的潜力。随着税务监管力度的加大，企业对发票信息识别准确性的需求将显著提升，如何更准确地提取特别是存在打印位置偏差的发票信息是急需解决的问题。

发明内容

为了解决上述问题，本发明提出一种增值税发票信息的提取方法，能够快速、准确地从增值税发票的扫描图片中提取发票中的发票代码、发票号码、开票日期、购买方和销售方信息（名称、纳税人识别号、地址电话、开户行账号）、货物或服务（包括名称、规格型号、单位、数量、金额、税额）、发票金额（合计）、发票税额（合计）、开票人等各项发票信息。

本发明提出的一种增值税发票信息的提取算法，包括以下步骤：

步骤（1），发票图片预处理，确定增值税发票版式：获取增值税发票的彩色扫描图片，并对图片进行预处理，得到无旋转且方位正确的预处理图片；识别发票图片中的发票监制章中，对发票监制章中的省份名称进行识别，确定被处理发票图片的增值税发票版式；

步骤（2），提取发票打印内容图片：利用增值税发票的背景表格文字和发票上的打印内容的色调差异，从预处理图片中提取蓝色的打印内容像素，并进行二值化处理得到打印内容图片；

步骤（3），构造模板，利用模板匹配并提取发票信息项图片块：根据步骤（1）中确定的发票版式构造发票信息打印区域模板，利用模板对步骤（2）得到的发票打印内容图片进行区域匹配，并提取匹配区域的图片块为发票各信息项图片块；

步骤（4），识别发票信息项内容：对步骤（3）得到的发票各信息项图片块进行文本识别，并综合分析得到发票的各项信息；结束。