[发明专利]文档的文字提取方法和装置无效
| 申请号： | 201010195292.0 | 申请日： | 2010-05-31 |
| 公开（公告）号： | CN102262619A | 公开（公告）日： | 2011-11-30 |
| 发明（设计）人： | 楼永植;陈峻峰 | 申请（专利权）人： | 汉王科技股份有限公司 |
| 主分类号： | G06F17/22 | 分类号： | G06F17/22;G06K9/20 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100193 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种文档的文字提取方法和装置，属于数据加工领域。方法包括：步骤1：解析文档，获取文档中字体的对应信息，根据对应信息得到字符映射表；步骤2：根据字体对应信息得到各字符对应的字模图像；步骤3：将字模图像进行裁剪，得到字模图像对应的着墨区域；步骤4：对着墨区域进行字符识别，得到各字符的识别结果；步骤5：根据识别结果对字符映射表进行更新，并根据更新后的字符映射表对文档提取文本信息。本发明改进了数据加工的流程，也减少了数据的加工工作量，使随机编码的打包字体不会成为数据加工的障碍。对于特定的版式文档无需识别页面图像，即可获得正确的文本信息，最大限度减少了人工干预，保留了文档的格式和逻辑信息。 | ||
| 搜索关键词： | 文档 文字 提取 方法 装置 | ||
【主权项】：
一种文档的文字提取方法，其特征在于，包括以下步骤：步骤1：解析文档，获取文档中字体的对应信息，根据对应信息得到字符映射表；步骤2：根据字体对应信息得到各字符对应的字模图像；步骤3：将字模图像进行裁剪，得到字模图像对应的着墨区域；步骤4：对着墨区域进行字符识别，得到各字符的识别结果；步骤5：根据识别结果对字符映射表进行更新，并根据更新后的字符映射表对文档提取文本信息。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于汉王科技股份有限公司，未经汉王科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201010195292.0/，转载请声明来源钻瓜专利网。
- 上一篇：物料磨碎装置
- 下一篇：窗口界面处理方法及装置
