[发明专利]电子报头版头条新闻位置识别方法及装置

说明书

本发明涉及一种电子报头版头条新闻位置识别方法及装置，所述方法包括对所述版面图进行消除报头区域处理；灰度化、二值化处理后得到二值化图像，逐个像素行计算二值化图像的像素点，对空白图片的相应像素行进行特征值赋值，根据特征值得到特征向量从而确定头版头条标题所在的区域；根据版面图和头版头条区域确定头版头条标题所在位置的纵坐标，根据横坐标和纵坐标得到头版头条标题的坐标；获取版面图上文章热区的坐标范围，如果坐标在坐标范围内，将文章热区确定为头版头条新闻的位置。本发明通过对版面图的处理、分析及计算，按照标题最大即是头版头条这一原则来识别，不仅原理上更符合逻辑，且电子报头版头条新闻识别更加准确、维护成本低。

技术领域

本发明属于媒体融合新闻信息处理技术领域，具体涉及一种电子报头版头条新闻位置识别方法及装置。

背景技术

随着媒体融合业务的深度发展，互联网新闻传播形态发生了巨大改变。网站、移动新闻客户端、微博、微信、自媒体平台等新媒体传播渠道的兴起，传统报社逐渐转到线上以电子报的形式进行报纸的发像素行和展示，这一改变使得相关媒体单位和公司可以通过对互联网上公开的电子报版面信息进行分析和采集，从而获取到具有高质量的头版头条新闻信息，为智能媒体集团的融合业务流程中的选题策划、传播分析、绩效考核等深度挖掘分析环节提供数据支撑。

相关技术中，电子报并不像一般新闻资讯门户网站一样会在网页排版过程中对头版头条新闻进行特别标注，其是遵循传统的报刊阅读习惯通过展示版面图片让读者自像素行辨别重要新闻和次要新闻，程序化的识别就需要从这种人为主观逻辑中去实现。传统的做法一般是根据页面中拿到的头版版面目录，默认第一篇文章就是头版头条，但是该种做法的有效性是基于版面目录顺序合理、且不夹杂其他信息，通常部分电子报头版目录第一条并不是头条新闻，并没有客观的逻辑支撑，误判率较高且维护成本大。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种电子报头版头条新闻位置识别方法及装置，以解决现有技术中电子报头版目录没有客观的逻辑支撑，误判率较高且维护成本大的问题。

为实现以上目的，本发明采用如下技术方案：一种电子报头版头条新闻位置识别方法，包括：

获取电子报头版的版面图，并对所述版面图进行消除报头区域处理；

对消除报头区域处理得到的图像进行灰度化、二值化处理，得到二值化图像；

逐个像素行计算所述二值化图像的像素点，根据所述像素点对预创建空白图片的相应像素行进行特征值赋值，根据每像素行的特征值得到特征向量，根据所述特征向量确定头版头条标题所在的区域；

根据所述版面图确定所述头版头条标题所在位置的横坐标，根据所述头版头条区域确定所述头版头条标题所在位置的纵坐标，根据所述横坐标和纵坐标得到所述头版头条标题的坐标；

获取所述版面图上文章热区的坐标范围，并判断所述坐标是否在坐标范围内，如果所述坐标在坐标范围内，将所述文章热区确定为头版头条新闻的位置。

进一步的，所述获取电子报头版的版面图，并对所述版面图进行消除报头区域处理，包括：

获取电子报头版的版面图图像链接并下载，得到版面图图像；

获取所述图像的长宽像素信息并生成与所述图像的长宽像素成预设比例的白色矩形块；

利用所述白色矩形块对所述版面图的报头进行遮盖。

进一步的，所述对消除报头区域处理得到的图像进行灰度化、二值化处理，包括：

对消除报头区域处理得到的图像进行灰度处理，得到灰度图像；

对所述灰度图像进行二值化处理，得到二值化图像，将所述二值化图像确定为二值化图像。

进一步的，所述对所述灰度图像进行二值化处理，包括：