[发明专利]一种基于标准文献的智能模板化题录技术实现方法

摘要

本发明公开了一种基于标准文献的智能模板化题录技术实现方法，属于文档图像内容提取技术领域，通过对双层浮文PDF文字读取技术进行封装，把标准文献图像转换成纯文本TXT，对标准题录加工流程进行了自动化和电子化处理，实现对标准题录的自动采集，增强数据加工的工作效能，减少员工工作量和提高数据准确性，完成题录特征值提取关键技术的实现。本发明的基于标准文献的智能模板化题录技术实现方法解决了现有技术中存在的标准题录需手工录入、数据加工工作效能低、数据信息提取不准确、定位准确率低的问题。

主权项

1.一种基于标准文献的智能模板化题录技术实现方法，其特征在于，包括如下步骤：步骤1：建立图像处理模块、模版配置模块、标准信息采集模块；步骤2：图像处理模块对标准文献图像进行清晰化处理，并通过Tif拆分算法对Tif文件进行拆分，再经过组装技术生成单层PDF，生成双层浮文PDF版本的标准文献，再通过双层PDF识别技术生成带有分页标识的纯文本TXT文件；步骤3：模版配置模块根据标准文献的纸型、排版样式和标准类型对标准文献进行区分，在每种类型中选出代表性的标准文献作为模板，根据模板的版面和编写格式来确定需要配置的字段信息，根据每个字段的特殊性，决定使用坐标配置和范围配置这两种方式中的一种；步骤4：标准信息采集模块根据标准文献的纸型、编写规范和标准类型来选择对应的模板，对标准文献所需信息进行提取和自动定位。