[发明专利]一种基于图像识别的pdf表格结构识别方法

摘要

本发明公开了一种基于图像识别的pdf表格结构识别方法，该方法将pdf文档转为图像，对每一张输入的图像，识别出表格的位置，截取出表格区域，对表格区域识别文字blob块，对每个blob找到邻近的blob，对blob与每一个邻近blob之间的关系进行预测，最后通过这些关系得到表格的结构。本发明去掉了图像特征，并增加了与邻接块的边的特征，用blob领域缩小了表格中文本块的搜索范围，大大加快了收敛速度和识别的准确率。对文字blob的检测和后处理消除了字符遗漏的问题。