[发明专利]一种基于档案文件数字化处理方法

权利要求书

1.一种基于档案文件数字化处理方法，其特征在于，包括以下步骤：

S1、使用第一设备采集纸质档案图像，对所述档案图像进行预处理得到待提取图像，

S2、对待提取图像分别进行N*1，1*N的腐蚀膨胀操作，融合后获得所述待提取图像中的表格，

S3、按照表格轮廓截取所述待提取图像的局部图像，采用根据CTPN网络模型进行文本定位，采用CRNN神经网络模型提取所述局部图像中的字符，将所述字符填充至表格中，获得电子化表格，

S4、将所述电子化表格与纸质档案图像关联保存，

S5、将所述电子化表格发送到ETL作业执行请求作业调度节点，

S6、作业调度节点获取所述电子化表格ETL作业的元数据信息，

S7、判断所述电子化的表格ETL作业是否需要进行数据划分，如果不需要，则直接分配所述电子化的表格ETL作业到计算能力最强的节点上运行，否则作业调度节点收集所有可用计算节点的信息，按照负载信息计算所述电子化表格ETL作业的划分方案；

S8、根据所述划分方案，向所选中的N个计算节点发送执行消息；等待所述N个计算节点执行所分配到的任务，并返回执行完毕消息；

S9、合并所述划分方案计算结果；

S10、将所述计算结果以及纸质档案图像关联保存至目标数据库。

2.根据权利要求1所述基于档案文件数字化处理方法，其特征在于：所述使用第一设备采集纸质档案图像，对所述档案图像进行预处理得到待提取图像，包括：第一设备为扫描仪或照相机，所述预处理包括降噪滤波，角度矫正，二值化。

3.根据权利要求2所述的基于档案文件数字化处理方法，其特征在于：所述降噪滤波为双边滤波模型：原始纸质档案图像为F，滤波后图像为

其中F(i，j)为领域像素点(i，j)的灰度值，Z为滤波器尺寸，滤波领域大小为(Z+1)*(Z+1)，W(a，b，i，j)为滤波器权重系数；U(a，b，i，j)为空域核函数，R(a，b，i，j)为灰度核函数；其中ε_u，ε_R分别为空间邻近度因子和灰度相似度因子，F(a，b)为中心像素点(a，b)的灰度值。

4.根据权利要求2所述的基于档案文件数字化处理方法，其特征在于：所述角度矫正包括：获取扫描退图像中表格的4各顶点，设置旋转中心，旋转角度和旋转方向，连接顶点和旋转中心后，按照旋转角度和旋转方向移动顶点，获得矫正后的表格图像。

5.根据权利要求1所述的基于档案文件数字化处理方法，其特征在于：所述采用根据CTPN网络模型进行文本定位中，所述CTPN网络依次包括VGG-16特征提取网络，BLSTM网络，全连接层。

6.根据权利要求1所述的基于基于档案文件数字化处理方法，其特征在于：所述采用CRNN神经网络模型提取所述局部图像中的字符中，所述CRNN神经网络执行中，先用CNN自动提取图像特征，再将提取的特征送入RNN提取序列特征。

7.根据权利要求1所述的基于档案文件数字化处理方法，其特征在于：所述按照负载信息计算所述电子化表格ETL作业的划分方案中，负责信息模型为：其中Load(N)表示节点N的负载率，cpu，ram，task依次表示CPU利用率，内存利用率以及就绪队列长度的负载指标值，w_cpu，w_ram，w_task依次表示CPU利用率，内存利用率以及就绪队列长度的负载指标值的权重。

8.根据权利要求1所述的基于档案文件数字化处理方法，其特征在于：所述将所述计算结果以及纸质档案图像关联保存至目标数据库中，将所述纸质档案图像保存至目标数据库中以便于后续核对。

9.根据权利要求1所述的基于档案文件数字化处理方法，其特征在于：所述计算节点为计算机或者FPGA。