[发明专利]一种对固定格式文档的识别处理方法及处理系统

权利要求书

1.一种对固定格式文档的识别处理方法，其特征在于，包括步骤：

建立模板标识，针对不同类型的固定格式文档，分别从中提取多个用于表征所述固定格式文档的关键词，用多个所述关键词作为所述固定格式文档的标识；

设定校正规则，对所述固定格式文档分成多个固定格式区，针对每一个固定格式区设定内容属性和校正规则，作为识别所述固定格式区中的字符的依据；

输入图像匹配，输入待识别图像，从所述待识别图像中识别出其中的字符，再从所述字符中筛选出关键词，通过对所述关键词检索分析，将所述待识别图像与对应的所述固定格式文档相匹配；

输出识别结果，根据所述固定格式文档中的每一个固定格式区对应设定的内容属性和校正规则，对所述待识别图像中识别出的字符对应进行校正，最终输出所述待识别图像的识别处理结果；

在所述建立模板标识步骤中，多个所述关键词离散分布在所述固定格式文档中的不同位置，并且多个所述关键词所在位置连线组成区域的面积大于或等于所述固定格式文档整体区域面积的二分之一；

在所述设定校正规则步骤中，所述内容属性包括字符类型、字符数量，所述校正规则包括相似校正、关联校正、选择校正。

2.根据权利要求1所述的对固定格式文档的识别处理方法，其特征在于，多个所述关键词所在位置组成的几何拓扑结构也作为所述固定格式文档的标识。

3.根据权利要求1所述的对固定格式文档的识别处理方法，其特征在于，在所述输入图像匹配步骤中，还包括对输入的待识别图像进行版面倾斜矫正，当所述待识别图像与对应的所述固定格式文档匹配后，根据待识别图像中的关键词的坐标位置与对应的所述固定格式文档中的关键词的坐标位置映射，矫正待识别图像的版面。

4.根据权利要求1所述的对固定格式文档的识别处理方法，其特征在于，在所述输出识别结果步骤中，包括对所述固定格式文档中的固定字符进行匹配，以及对固定格式区中的待识别字符进行校正识别。

5.一种对固定格式文档的识别处理系统，其特征在于，包括：

前期处理单元，针对不同类型的固定格式文档，分别从中提取多个用于表征所述固定格式文档的关键词，用多个所述关键词作为所述固定格式文档的标识；多个所述关键词离散分布在所述固定格式文档中的不同位置，并且多个所述关键词所在位置连线组成区域的面积大于或等于所述固定格式文档整体区域面积的二分之一；

对所述固定格式文档分成多个固定格式区，针对每一个固定格式区设定内容属性和校正规则，作为识别所述固定格式区中的文字的依据；所述内容属性包括字符类型、字符数量，所述校正规则包括相似校正、关联校正、选择校正；

图像匹配单元，输入待识别图像，从所述待识别图像中识别出其中的字符，再从所述字符中筛选出关键词，通过对所述关键词检索分析，将所述待识别图像与所述前期处理单元中对应的所述固定格式文档相匹配；

识别输出单元，根据所述前期处理单元中的所述固定格式文档中的每一个固定格式区对应设定的内容属性和校正规则，对所述待识别图像中识别出的字符对应进行校正，最终输出所述待识别图像的识别处理结果。

6.根据权利要求5所述的对固定格式文档的识别处理系统，其特征在于，所述前期处理单元包括关键词设定模块，将多个所述关键词及其所在位置组成的几何拓扑结构作为所述固定格式文档的标识。

7.根据权利要求6所述的对固定格式文档的识别处理系统，其特征在于，所述前期处理单元包括校正规则设定模块，对所述固定格式文档分成多个固定格式区，针对每一个固定格式区设定内容属性和校正规则，作为识别所述固定格式区中的字符的依据。

8.根据权利要求7所述的对固定格式文档的识别处理系统，其特征在于，所述图像匹配单元包括版面倾斜矫正模块，根据待识别图像中的关键词的坐标位置与对应的所述固定格式文档中的关键词的坐标位置映射，矫正待识别图像的版面。