一種表格圖像的自動切分方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及表格圖像處理技術(shù)領(lǐng)域，特別是一種表格圖像的自動切分方法。
【背景技術(shù)】
[0002] 傳統(tǒng)對手寫文稿錄入都采用人工手段，而且手寫文稿的書寫多樣化、復(fù)雜化，使得 員工的勞動強(qiáng)度高，錄入效率卻很低，這給工作帶來了很大的麻煩，為此研究者們開發(fā)了許 多的應(yīng)用軟件，希望能從根本上解決手寫文稿快速錄入問題。
[0003] 根據(jù)中國專利【CN103020619A】"一種自動切分電子化筆記本中手寫條目的方法"， 如圖2所示，⑴拍攝需要電子化的筆記本的紙質(zhì)頁面圖像；（2)通過圖像中的直線檢測方 法確定所述紙質(zhì)頁面圖像的四條邊緣線，并將四條邊緣線所限定的頁面區(qū)域校正為方形區(qū) 域；（3)根據(jù)所述紙質(zhì)頁面圖像確定所述紙質(zhì)頁面的類型，獲得預(yù)先保存的所述類型筆記 本的紙質(zhì)頁面空白切分模板，所述空白切分模板由若干文字塊組成；(4)確定所述方形區(qū) 域中用戶手寫筆跡所在的文字塊，以文字塊為單位自動切分提取處于任意一個文字塊中的 用戶手寫筆跡。該發(fā)明對模板與手寫文本的重合度只是簡單的判別不能達(dá)到精確定位，同 時對參雜有表格在內(nèi)的手寫文本區(qū)域不能有效處理。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于：針對現(xiàn)有技術(shù)中存在的上述技術(shù)問題，提供一種結(jié)合了知識 驅(qū)動信息和數(shù)據(jù)驅(qū)動信息的圖像區(qū)域精確定位技術(shù)以及基于表格圖像準(zhǔn)確自動切分的表 格數(shù)據(jù)自動智能處理系統(tǒng)，能有效提高錄入效率的表格圖像的自動切分方法。
[0005] 本發(fā)明是通過以下技術(shù)方案實現(xiàn)的：
[0006] -種表格圖像的自動切分方法，包括如下步驟：（1)在表格文檔內(nèi)獲取表格實體； (2)掃描或拍攝表格實體獲得表格圖像；（3)對表格圖像數(shù)據(jù)自動分析與學(xué)習(xí)，獲取應(yīng)用于 手寫體文本區(qū)域切分的數(shù)據(jù)驅(qū)動信息；(4)表格定制，將表格及其區(qū)域信息都存入表格模 板庫；（5)從表格模版庫，得到應(yīng)用于區(qū)域切分的知識驅(qū)動信息；(6)區(qū)域分析綜合數(shù)據(jù)驅(qū) 動信息和知識驅(qū)動信息，對表格圖像進(jìn)行區(qū)域分析與定位，得到切分區(qū)域的位置等區(qū)域信 息；（7)區(qū)域切分利用區(qū)域信息，對表格圖像進(jìn)行切分，得到最后輸出的區(qū)域圖像。
[0007] 進(jìn)一步的是，對表格圖像數(shù)據(jù)自動分析與學(xué)習(xí)，獲取應(yīng)用于手寫體文本區(qū)域切分 的數(shù)據(jù)驅(qū)動信息，其中包括區(qū)域的位置和類型信息；對表格圖像數(shù)據(jù)自動分析與學(xué)習(xí)步驟 如下：
[0008] (A)首先將表格圖像二值化；系統(tǒng)中，采用自適應(yīng)的二值化方法，結(jié)合Otsu方法和 Niblack方法，得到的圖像為兩種二值化方法得到圖像的"與";設(shè)p(x，y)為最后輸出的二 值化圖像點(diǎn)（X，y)的值，P Qtsu(X，y)為OtSU方法得到的值，Pmblaek(X，y)為Niblack方法得 到的值，則有
[0009] p(x, y) = Potsu(x, y) &pNiblack (x, y)
[0010] 其中，p(x, y) = I表示黑點(diǎn)（前景字符），p(x, y) = 0表示白點(diǎn)（背景）；
[0011] (B)通過連通域分析得到表格圖像相應(yīng)的各個區(qū)域，然后需要對區(qū)域進(jìn)行判別； 在混合層次上對手寫體進(jìn)行判別，即處理的單元為一些連通域的合并塊，手寫體特性的不 確定性，采用的一種基于增量學(xué)習(xí)的Fisher線性判別（Fisher Linear Discriminant,FLD) 分類器，經(jīng)典FLD算法的投影矩陣（向量）為
[0012]
【主權(quán)項】
1. 一種表格圖像的自動切分方法，其特征在于，包括如下步驟： (1) 在表格文檔內(nèi)獲取表格實體； (2) 掃描或拍攝表格實體獲得表格圖像； (3) 對表格圖像數(shù)據(jù)自動分析與學(xué)習(xí)，獲取應(yīng)用于手寫體文本區(qū)域切分的數(shù)據(jù)驅(qū)動信息； (4) 表格定制，將表格及其區(qū)域信息都存入表格模板庫； (5) 從表格模版庫獲取應(yīng)用于區(qū)域切分的知識驅(qū)動信息； (6) 區(qū)域分析綜合數(shù)據(jù)驅(qū)動信息和知識驅(qū)動信息，對表格圖像進(jìn)行區(qū)域分析與定位，得 到區(qū)域信息； (7) 區(qū)域切分利用區(qū)域信息，對表格圖像進(jìn)行切分，得到最后輸出的區(qū)域圖像。
2. 根據(jù)權(quán)利要求1所述的一種表格圖像的自動切分方法，其特征在于：對表格圖像數(shù) 據(jù)自動分析與學(xué)習(xí)，獲取應(yīng)用于手寫體文本區(qū)域切分的數(shù)據(jù)驅(qū)動信息，其中包括區(qū)域的位 置和類型信息；對表格圖像數(shù)據(jù)自動分析與學(xué)習(xí)進(jìn)行如下： (A) 首先將表格圖像二值化；系統(tǒng)中，采用自適應(yīng)的二值化方法，結(jié)合Otsu方法和 Niblack方法，得到的圖像為兩種二值化方法得到圖像的"與";設(shè)p(x，y)為最后輸出的二 值化圖像點(diǎn)（X，y)的值，P Qtsu(X，y)為OtSU方法得到的值，Pmblaek(X，y)為Niblack方法得 到的值，則有 p(x, y) = Potsu(x, y)&pNi black (χ, y) 其中，p(x, y) = I表示黑點(diǎn)（前景字符），p(x, y) = 0表示白點(diǎn)（背景）； (B) 另外，通過連通域分析得到表格圖像相應(yīng)的各個區(qū)域，然后需要對區(qū)域進(jìn)行判別； 在混合層次上對手寫體進(jìn)行判別，即處理的單元為一些連通域的合并塊；手寫體特性的不 確定性，采用的一種基于增量學(xué)習(xí)的Fisher線性判別（Fisher Linear Discr iminant， FLD)分類器，經(jīng)典FLD算法的投影矩陣（向量）為 W = S~\mx -m2) 其中，Sw = CJC2為類內(nèi)離散度矩陣，HIi為各類樣本均值向量； 利用序列SKL變換算法（Sequential Karhunen-Loeve Algorithm，SKL)增量形式更新 Ci, SKL算法通過K個最大特征值組成的Di和相應(yīng)的特征向量組成的Ui來估計Ci O - UiDiUf 其中，Di是一個KXK維的正交矩陣，Ui是具有K列的矩陣； 在手寫體判別中，使用的特征向量維數(shù)比較少，所以隨著新樣本的不斷增加，直接使用 奇異解分解（Singular Value Decomposition，SVD)來更新 Di 和 Ui ; 在該增量型分類器中，利用一種自適應(yīng)過濾器方式來更新Hli mnew _ Q _ a)mj + OXi 其中，α是一個平均常數(shù)因子，一般可設(shè)為0. 05,而Xi為增量學(xué)習(xí)中第i類的新樣本。
3. 根據(jù)權(quán)利要求1所述的一種表格圖像的自動切分方法，其特征在于：區(qū)域分析綜合 數(shù)據(jù)驅(qū)動信息和知識驅(qū)動信息，如果數(shù)據(jù)驅(qū)動信息手寫體文本區(qū)域位置和知識驅(qū)動信息手 寫體文本區(qū)域位置重合度高于50%，則利用數(shù)據(jù)驅(qū)動信息得到的手寫體文本區(qū)域作為最終 的切分區(qū)域，而對于其它類型的文本區(qū)域，則以來自于表格模版庫中的知識驅(qū)動信息為主， 進(jìn)行切分區(qū)域的定位。
【專利摘要】本發(fā)明公開一種表格圖像的自動切分方法，包括表格及其區(qū)域信息的錄入，在表格圖像中自動分析、檢測與定位手寫體文本區(qū)域以及切分區(qū)域的最終定位，其步驟如下：a、對已知表格中需要切分、識別或人工錄入的區(qū)域進(jìn)行事先標(biāo)定，通過模版定制，將表格及其區(qū)域信息都存入表格模板庫，獲取知識驅(qū)動信息；b、對掃描或拍攝的表格圖像進(jìn)行自動分析、檢測與定位文本區(qū)域，獲取數(shù)據(jù)驅(qū)動信息；c、綜合知識驅(qū)動信息和數(shù)據(jù)驅(qū)動信息，比較兩者吻合程度，對最終切分區(qū)域的定位。本發(fā)明結(jié)合了知識驅(qū)動信息和數(shù)據(jù)驅(qū)動信息的圖像區(qū)域精確定位技術(shù)以及基于表格圖像準(zhǔn)確自動切分的表格數(shù)據(jù)自動智能處理系統(tǒng)。
【IPC分類】G06F9-32, G06F9-54
【公開號】CN104636117
【申請?zhí)枴緾N201310557566
【發(fā)明人】殷緒成
【申請人】江蘇奧博洋信息技術(shù)有限公司
【公開日】2015年5月20日
【申請日】2013年11月12日