[发明专利]版式文档中复合图的提取装置和提取方法

摘要

本发明提供了一种版式文档中复合图的提取装置，包括：文档解析单元，对版式文档进行解析，确定构成所述版式文档的图元及所述图元的类型；图层生成单元，提取文字图元以构成文字图层，并利用其余的非文字图元构成非文字图层；版面分析单元，分别对文字图层和非文字图层进行版面分析处理；区块生成单元，生成文字图层中的文字区块和非文字图层中的图像区块；关联区块确定单元，确定与每个图像区块相关联的文字区块，以合并为复合图区块；标识存储单元，存储复合图区块包含的所有图元的标识。本发明还提出了一种版式文档中复合图的提取方法。通过本发明的技术方案，可以在复杂的文档版面布局中，尤其是图文混排版面中，实现对复合图的准确提取。

主权项

1.一种版式文档中复合图的提取装置，其特征在于，包括：文档解析单元，用于对所述版式文档进行解析，确定构成所述版式文档的图元及所述图元的类型；图层生成单元，用于提取文字图元以构成文字图层，并利用其余的非文字图元构成非文字图层；版面分析单元，用于分别对所述文字图层和所述非文字图层进行版面分析处理；区块生成单元，用于根据所述版面分析单元的版面分析处理结果，生成所述文字图层中的文字区块和所述非文字图层中的图像区块；关联区块确定单元，用于确定与每个所述图像区块相关联的文字区块，以合并为复合图区块；标识存储单元，用于存储所述复合图区块包含的所有图元的标识；所述版面分析单元包括：纹理特征获取子单元，用于获取所述非文字图层中的非文字图元的纹理特征；连通区域检测子单元，用于根据所述纹理特征以及预设的特征阈值，检测出所述非文字图层中连通的非文字对象区域；图像区块生成子单元，对于多个所述连通的非文字对象区域，在对应的最小外接矩形相交或间隔距离小于预设距离的情况下，用于将多个所述连通的非文字对象区域作为区域集合，并将所述区域集合的最小外接矩形作为所述图像区块。