检索结果-内蒙古大学图书馆

作者：刘昱哈尔滨工程大学

学位级别：硕士

在日常的商业活动中，我们每天都运用了大量的文档和表格。同时表格文档也广泛地应用于各个领域，通常人们需要手动处理表格文档，例如客户需要缴纳赋税，图书管理员需要采集纸质表格文档中所包含的数据信息。由于光学字符识别（OCR）... 详细信息

在日常的商业活动中，我们每天都运用了大量的文档和表格。同时表格文档也广泛地应用于各个领域，通常人们需要手动处理表格文档，例如客户需要缴纳赋税，图书管理员需要采集纸质表格文档中所包含的数据信息。由于光学字符识别（OCR）技术的发展，人们开始尝试利用可获得数据的标准表格图像来提取表格中的数据信息，这可以减少工作时间并减轻其的工作负担。在商业领域中，利用OCR技术可以提高工作质量，并且可以减少人们花费在处理表格文档上的大量时间。在OCR运用的许多领域中，我们通过获取的表格模板使用户知道图像中印刷体的目标字符串。这些字符串信息包括了许多项目内容如文本信息和数学公式等。然而，表格的存在阻碍了数据信息的提取。因此，表格线检测/去除是印刷体表格识别技术中的一项重要任务。由上可知，我们需要一个实际的表格识别系统来处理这些问题。本文在印刷体文档识别技术的基础上，对表格文档的识别技术进行了深入的研究，并完成了部分表格识别系统的开发工作。传统的表格识别系统可以分为二部分：表格框架识别和图像信息提取与表格重绘。在表格框架识别部分中，首先表格线的检测、去除以及图像识别处理技术都是基于二值图像完成的。因此，本文运用了一种有效的二值化算法将256色灰度图像转化为理想的二值图像，并采用改进的Hough变换法来完成一定范围内的图像倾斜校正；其次，利用文档图像的版面分析提取图像中的表格区域，并将非表格区域删除以便于提取图像中表格区域的数据信息。最后，本文采用了传统的投影法与基于直线的搜索相结合的算法完成表格线的检测与提取。在完成图像中的表格线的提取之后，针对表格线存在的断裂和非对齐等问题分别做出相应的处理，并且将图像中的横向与纵向表格线重组成表格框架。在图像信息提取部分中，由于表格的种类繁多及其复杂性，表格单元提取成为表格自动识别系统中一个重要的影响因素。本文采用了交点特征和交点轨迹法提取表格单元，并形成闭环区域。然后利用数学形态学的方法除去表格线，使我们可以获取表格图像中的数据信息，利用OCR技术完成数据的识别，并将其写入已经提取的表格框架中，完成表格图像的重绘。综上所述，本文实现了一个印刷体表格图像识别实验系统，本实验系统包含了图像二值化，倾斜校正，版面分析，表格识别等算法。通过实验结果可知，本文所述的方法可以在表格图像分析中达到很好的识别效果。

关键词：二值化表格线 OCR 表格识别

来源：评论

学校读者我要写书评

暂无评论

基于数据颜色特殊性的加分表格识别系统研究

基于数据颜色特殊性的加分表格识别系统研究

引用

作者：兰鹏生昆明理工大学

学位级别：硕士

目前,许多的手写表格信息更需要录入、存储在计算机中。在教育系统中,处理试卷加分表格过程中,存在着以下问题:(1)不恰当的使用人力资源,造成人力资源的浪费。教育系统内的工作人员很大部分是高学历、高素质的尖端科研人员,却在做着这... 详细信息

目前,许多的手写表格信息更需要录入、存储在计算机中。在教育系统中,处理试卷加分表格过程中,存在着以下问题:(1)不恰当的使用人力资源,造成人力资源的浪费。教育系统内的工作人员很大部分是高学历、高素质的尖端科研人员,却在做着这种单调而重复的工作,无疑对社会及国家造成了大量的人力资源的浪费。(2)大量的小题加分计算会造成人员的疲劳、计算的失误、效率低下。长时间的批改试卷已经产生了精神上和生理上的疲劳,这种情况下再进行加分计算容易产生失误且效率较低。本文考虑应用表格图像识别技术来解决教育工作者在试卷表格的加分过程中存在的问题。为了解决以上存在的问题,本文考虑从两个方面进行表格图像的识别。一方面是表格线单元格的检测,一方面是表格内数据识别。首先,查阅大量的相关文献,了解了表格识别相关技术,分析了表格识别相关技术的国内外的研究现状,并进行了评述。其次,本文以试卷加分表格为识别对象,针对该表格进行了特征分析,确定了根据数据颜色的特殊性,进行表格识别的基本思路。第三,本文应用预处理对图像进行预处理,应用直线检测的方法进行表格线的检测,获得表格单元格位置情况。第四,根据颜色特殊性直接对图像中表格内数据进行提取,实现数据图片的切分并获得的单个数字图片。由于数据提取的特殊性,数据间的边界模糊、区分不明确。本文提出了数字区域扩散边界界定法,实现每个单元格数据的切分。利用滴水算法将两位数数据字符切分,实现单个数字图片的获得。应用OCR技术对单数字进行识别并计算单元格数据。最后,根据单元格位置情况,提出识别数据与单元格排序关联算法对识别的表格数据按顺存储。本文利用Microsoft Visual Studio开发平台,利用EmguCV图片处理库,实现试卷加分表格识别系统原型的开发,并计算出总成绩。验证出本文提出的针对具有特殊颜色表格识别的相关方法具有一定的可行性;本系统的开发具有一定的使用价值。

关键词：表格识别单元格数据切分字符切分系统开发

来源：评论

学校读者我要写书评

暂无评论

基于数字图像处理的表格识别

基于数字图像处理的表格识别

引用

作者：姚鹏威郑州大学

学位级别：硕士

表格以各种各样的形式存储着生活、生产及社会各个方面的信息,随着计算机技术和信息化的快速发展,将纸质表格自动转换成可编辑的电子表格成为了现代社会的迫切需求。电子表格便于信息的管理、检索和交换,因此得到了越来越广泛的应用。... 详细信息

表格以各种各样的形式存储着生活、生产及社会各个方面的信息,随着计算机技术和信息化的快速发展,将纸质表格自动转换成可编辑的电子表格成为了现代社会的迫切需求。电子表格便于信息的管理、检索和交换,因此得到了越来越广泛的应用。而目前大量的信息数据仍以纸质表格的形式存在,把纸质表格转化为电子表格成了使用部门很棘手的难题。因为简单的使用办公软件绘制电子表格并进行人工录入文字内容不仅效率低下而且容易出错,如何快速准确地把纸质表格转化为电子表格成了相关领域的研究热点。本文在大量查阅资料的基础上,对纸质表格自动转化为可编辑的电子表格进行了深入的研究。纸质表格到可编辑电子表格的自动转换包括表格线信息识别、文字信息识别及表格绘制和文字填充。表格线信息识别与表格绘制。采用轮廓检测和BRISK特征点检测相结合的方法完成表格图像的倾斜校正;通过形态学处理的方法分离表格图像内的横线和竖线并对其进行修复和细化;利用Shi-Tomasi角点检测的方法提取表格线的端点坐标,对提取的坐标点采取从上到下从左到右的顺序进行排列,并通过数据修正使横竖线端点对齐,利用修正后的端点坐标在Word中完成表格的绘制。文字信息识别。文字信息识别包括文字定位和文字识别,文字定位的主要思想是单元格的切分,即将原图中每个单元格提取出来,并记录单元格矩形框的左上角坐标,使用修正后的表格线端点坐标绘制空表格,对绘制的空表格进行轮廓检测提取每个单元格矩形轮廓,以每个单元格的矩形区域为感兴趣区域对原图进行分割,并记录每个矩形框的左上角坐标。文字识别是对分割后每个单元格的文字进行识别,采用Tesseract-OCR进行文字信息的识别,将识别结果与提取的文字区域的左上角坐标相对应,用于后续的表格文字填充。文字填充。将提取的文字区域的矩形框的左上角坐标分别与表格横线和竖线的端点坐标进行比较,若两者的绝对差值小于设定阈值,则将文字填充到相应的单元格中,完成表格的文字填充。本文的表格识别系统由硬件系统和软件系统两部分组成。硬件系统是将纸质表格转换成表格图像,软件系统是提取表格图像内的表格线信息与文字信息,并利用提取到的信息在Word中完成表格重构。

关键词：表格识别倾斜校正表格绘制 Tesseract-OCR 表格重构

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的表格识别研究

基于深度学习的表格识别研究

引用

作者：方子宇南昌大学

学位级别：硕士

在当今社会,表格作为一种普遍存在的格式,在众多领域内承担着重要角色。本文围绕高速公路质量管理系统中图像表格的自动识别问题展开,旨在通过先进的图像处理技术,有效地检测和识别表格及其内部的文本框内容,从而优化表格数据的处理流... 详细信息

在当今社会,表格作为一种普遍存在的格式,在众多领域内承担着重要角色。本文围绕高速公路质量管理系统中图像表格的自动识别问题展开,旨在通过先进的图像处理技术,有效地检测和识别表格及其内部的文本框内容,从而优化表格数据的处理流程。研究采用基于U-Net的语义分割方法对表格进行准确检测和识别,并通过对Res-U-Net模型的改良,进一步增强了模型对表格边界的识别能力。本文的主要工作如下: (1)针对表格识别过程中表格线特征在深层网络中容易丢失的问题,本文提出了一种改进方案,即将残差连接结构整合入U-Net架构之中,形成Res-U-Net模型。该策略通过添加残差连接,有效避免了深层网络中的梯度消失问题,增强了网络对于纤细表格线特征的捕获能力。实验结果验证了改进模型在表格线检测和分割任务上相较于原始U-Net模型有显著提升,准确率提高至0.876,召回率达到0.822,F1分数提升至0.843,充分展现了深层网络中表格线特征增强的有效性。 (2)基于YOLOv5的文本框识别优化,通过与基于Faster-R-CNN的方法相比较,YOLOv5以其较小的模型体积和更快的预测速度脱颖而出,成为更适合本文后续表格识别任务的模型。本文在YOLOv5的基础上集成了CBAM注意力机制,以进一步提高模型对表格区域的识别精度及处理速度。 (3)模型性能评估:通过大规模数据训练,本文改进的YOLOv5文本识别模型在准确率上达到了96.6%,明显优于传统的tesseract-ocr系统,同时也超过了基于DB和East的Paddle-OCR模型,证明了该模型的具有一定的应用价值。

关键词：图像语义分割卷积神经网络 U-Net 表格识别文本识别

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的表格识别系统设计与实现

基于深度学习的表格识别系统设计与实现

引用

作者：张鸣洲华中科技大学

学位级别：硕士

近年来,受光学字符识别技术发展的影响,文档识别的应用和需求与日俱增,自动地识别文档并从中挖掘关键信息具有实用价值。表格以直观简洁的方式表示数据,是文档页面的重要对象,在生产生活中有广泛应用。但是,由于复杂的文字布局和表格结... 详细信息

近年来,受光学字符识别技术发展的影响,文档识别的应用和需求与日俱增,自动地识别文档并从中挖掘关键信息具有实用价值。表格以直观简洁的方式表示数据,是文档页面的重要对象,在生产生活中有广泛应用。但是,由于复杂的文字布局和表格结构,表格识别难度高,面向用户和开发者的表格识别系统少,无法满足一般需求。因此表格识别系统的设计与实现有现实意义。本论文的主要研究内容如下:首先,本文创建了一个大规模表格识别数据集,提出HTML标记语言生成数据的方法。数据集收集科学文档中的表格图像,使用真实的文本语料和单元格结构,为基于深度学习的表格识别模型提供大规模的训练和测试数据,方便公平比较,同时介绍了生成数据集的方法和表格识别常用评价标准。其次,本文提出了三阶段的表格识别算法,算法分为表格文字检测、表格文字识别和表格结构识别,表格文字检测基于角点检测与区域分割网络,表格文字识别基于不定长序列识别算法,表格结构识别基于图网络模型,分别针对实际问题进行工程化改进,在数据集和实际图片上设置多种对比实验,验证算法的性能和速度,分析错误结果和算法缺陷。对输入图像数据,检测、识别和表格结构重建结合识别完整表格,为系统设计提供重要算法支撑。最后,本文设计并实现了在线表格识别系统。系统使用Flask框架,提供网页应用程序服务,包括前端页面、数据库和后台程序,功能上采用模块化设计,实现图片的实时上传识别显示和识别结果修正,详细说明模块的功能分析、功能实现和性能评估,设计模块关联数据表,分析系统优越性和局限性。

关键词：表格识别在线表格识别系统深度学习表格结构识别

来源：评论

学校读者我要写书评

暂无评论

社区选举系统选票中的表格识别算法

引用

计算机应用 2017年第A2期37卷 179-182页

作者：邝振崔喆中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对社区选举系统识别选票图像中的表格采用的同步道方法,造成选票设计复杂,需在系统中定义较多关于信息块位置信息的参数,和在印刷过程中出现表格位置偏差无法识别选票的问题,提出了先利用投影法确定表格中横纵直线的坐标,然后构造表... 详细信息

针对社区选举系统识别选票图像中的表格采用的同步道方法,造成选票设计复杂,需在系统中定义较多关于信息块位置信息的参数,和在印刷过程中出现表格位置偏差无法识别选票的问题,提出了先利用投影法确定表格中横纵直线的坐标,然后构造表格特征点矩阵来描述表格结构的表格识别算法。实验结果表明,与采用同步道识别表格的方法相比,只需要在系统中指定信息块的相对位置信息,该算法即可通过识别出的选票表格中横纵直线坐标和构造的表格特征点矩阵准确并方便地提取出信息块的图像进行下一步的识别,简化了选票设计,降低了对选票印刷的要求,对表格位置出现偏差的选票也能够进行正常识别,进一步提升了选举系统的可操作性和容错性。

关键词：表格识别选举系统投影法表格结构表格特征点矩阵

来源：评论

学校读者我要写书评

暂无评论

基于字线分离的表格识别预处理算法

引用

计算机工程与设计 2008年第19期29卷 5066-5068页

作者：刘为平西建郭戈解放军信息工程大学信息工程学院河南郑州450002

表格文本图像版面中存在的大量的非表格框线对象,干扰正确提取表格框架结构。提出了一种基于字线分离的预处理算法。该算法在不提取表格框线的前提下,采用图像分块和连通域分析,实现字线分离。实验结果表明,该算法能够滤除大部分文字像... 详细信息

表格文本图像版面中存在的大量的非表格框线对象,干扰正确提取表格框架结构。提出了一种基于字线分离的预处理算法。该算法在不提取表格框线的前提下,采用图像分块和连通域分析,实现字线分离。实验结果表明,该算法能够滤除大部分文字像素、准确有效突出表格文本图像中的框线信息,达到了预处理目的,是后续表格特征提取和识别的有效预备步骤。

关键词：文本图像表格图像表格识别预处理连通域

来源：评论

学校读者我要写书评

暂无评论

面向科技文献的表格识别与应用研究

面向科技文献的表格识别与应用研究

引用

作者：孙丽君中国科学技术信息研究所

学位级别：硕士

科技文献是一种多模态数据，除文本外包含多种信息，比如图像、公式、表格、音频、视频、超链接等，这些信息相互解释、相互补充，为用户充分理解科技文献中的信息提供帮助。其中表格以其简单明了的风格占据十分重要的地位，大量的文献... 详细信息

科技文献是一种多模态数据，除文本外包含多种信息，比如图像、公式、表格、音频、视频、超链接等，这些信息相互解释、相互补充，为用户充分理解科技文献中的信息提供帮助。其中表格以其简单明了的风格占据十分重要的地位，大量的文献借助表格来补充文本信息，更加直观简洁的描述文本想要表达的内容，因此对表格信息的提取逐渐成为一个研究重点。而目前大量的各种类别的信息目前以各种各样的电子文档的形式展现，表格的收集、传递和保存信息的作用不同和文档类型的不同，造成表格形式千差万别，没有统一格式，对表格的数据的抽取不仅要依据类型来进行，而且表格处理的工作量决定了人们将更加依赖计算机来帮助进行。\n 在本文中，笔者将研究基于图像的表格识别和基于文字流的表格识别。基于图像的表格识别研究较为成熟，主要步骤有:图像预处理，包括灰度化与二值化处理，图像的边缘检测，图像的倾斜校正，划定表格区域，表格单元格拆分，单元格数据利用OCR提取，单元格合并以及数据对应关系确定并转换成EXCEL格式，对单元格数据进行语义判断确定“属性一值”对关系，建立索引。PDF文档会有两种情况，一种是图像类型，一种是文字流类型，图像直接用图像表格提取的方法来进行，对于基于文字流的表格识别研究比较困难，文字流中的表格仅仅是基于视觉的没有表格信息，因此笔者从解析后的文档出发，利用文字流的编码特征来进行，分析文字流节点信息，主要是图像对象中包含的图像流信息结合内容流中的相关描述信息，利用图像对象描述的最长横线与竖直线划出表格区域，借鉴图像处理中局部霍夫变换的思想确定每个单元格的位置信息，并将单元格内容建立逻辑关系，为表格中的数据建立真实表格，因为时间有限，在这一方面的理论研究较强。\n 在本文中，为了本文构建的系统功能的完整性，分析了五类表格文档:Word、Excel、HTML、图像、PDF文档。笔者利用爬虫获取大量的表格文档，对表格文档进行分类清洗，利用插件和上述算法，将表格数据抽取出来并转换成Excel或者TXT格式，并为表格数据建立语义索引，使用户查询、检索以及重新利用表格中丰富的数据资源。\n 本文中具有创新性的研究成果主要体现在以下几个方面:\n (1)表格的语义化索引。本文中利用团队研究的基于Lucene的语义化搜索引擎的构建方法，判断单元格数据的类型为属性词或者属性值，并为表格中的数据附上语义信息，构建一个树状结构，使原本只有物理结构的表格数据拥有对应的逻辑结构和语义信息。\n (2)开发一个表格数据抽取与检索搜索引擎。该平台支持将输入的表格类型文档进行解析，并将数据建立索引，支持用户检索目标数据。\n (3)支持单元格的拆分与合并。笔者的平台支持将表格数据拆分成只含有属性词与对应属性值的一一对应表格，不仅可以输出单一数值，而且可以根据用户输入的查询关键词重组不同的表格，是一种优化，最大程度的输出用户想要获取的数据。

关键词：科技文献表格识别语义索引图像处理文字流

来源：评论

学校读者我要写书评

暂无评论

基于表格识别的选举模式自动生成算法研究

基于表格识别的选举模式自动生成算法研究

引用

作者：白伟中国科学院大学

学位级别：硕士

当前的社区选举活动中，选举模式的生成以人工制作为主，在短时间、大批量上会服务时，人工操作繁琐，模式制作过于耗时且易出错。因此，研究一种自动识别选票图样并自动生成选举模式的算法具有重要的意义。论文提出对社区选票图样进行... 详细信息

当前的社区选举活动中，选举模式的生成以人工制作为主，在短时间、大批量上会服务时，人工操作繁琐，模式制作过于耗时且易出错。因此，研究一种自动识别选票图样并自动生成选举模式的算法具有重要的意义。论文提出对社区选票图样进行处理和识别，提取选票图像中的表格框线，对选票表格的几何结构进行描述，结合社区选票的版面特征，生成选举模式。\n 选票图像的识别离不开图像的预处理，图像预处理主要包括图像二值化和倾斜检测与校正。对于图像的二值化处理，本文研究了直方图分割法、一维大津法与改进的二维大津法，并简要介绍了局部阈值分割法的概念和应用。针对社区选票图像的特点，实验采用一维大津法，获得了良好的处理效果。介绍了基于Hough变换的图像倾斜检测算法和一种通过投影检测直线的算法，比较了旋转校正和线性搬移两种倾斜校正算法的优劣。\n 表格框线的检测是描述表格几何结构的基础，基于Hough变换这种古老的方法同样可以用于表格框线的检测，但运算量巨大，同时确定框线端点十分困难，搜索法是一种更加简明的方法，但抗图像倾斜能力差。基于有向单连通链和表格线游程的矢量化算法在表格框线检测的应用中更加突出。本文着重研究了基于游程的算法，并提出一种基于游程聚类的框线检测算法，经过理论分析和实验证明，这种算法具备误识率低、鲁棒性强、抗表格线断裂等多种优点。\n 表格的结构描述就是对表格子区域和单元格的层次关系进行表示，本文首先介绍了单元格顺序编号的方法和整体局部描述树的数据结构，分别指出它们在选票几何结构的表达中存在的问题和不足，然后介绍了选举模式的基本概念，指出X-Y树结构能够有效地描述选票的版面特征，在此基础上定义了选票候选区域和候选单元的概念，提出一种模式自动生成算法，通过实验证明该算法能够正确生成选举模式。最后介绍了设计开发的模式生成软件及其应用场景。

关键词：选票图样图像处理边缘检测表格识别

来源：评论

学校读者我要写书评

暂无评论

印刷体文档表格识别技术研究

印刷体文档表格识别技术研究

引用

作者：张远湖南大学

学位级别：硕士

书籍报刊等印刷体文档图像的识别是模式识别领域的一个重要分支。文档图像中的字符识别较为成熟,市场上已经出现较多的商业产品。但是文档图像中表格的识别目前还不太成熟,尤其当表格线在扭曲变形等情况时,现有产品识别的鲁棒性较差。... 详细信息

书籍报刊等印刷体文档图像的识别是模式识别领域的一个重要分支。文档图像中的字符识别较为成熟,市场上已经出现较多的商业产品。但是文档图像中表格的识别目前还不太成熟,尤其当表格线在扭曲变形等情况时,现有产品识别的鲁棒性较差。本文分析了国内外文档表格识别的研究与产品现状,对文档图像预处理、闭合方形表格的识别、印刷体汉字的识别技术展开研究,最终实现一种高鲁棒性的表格识别方法。本文完成的主要工作如下:1.研究文档图像的预处理技术,使用了局部阈值的Sauvola算法进行文档图像二值化;由于文档图像中表格线的存在,使用Hough变换方法进行文档图像的倾斜校正;应用基于连通域的自底而上的版面分析方法,将文档的版面块分割为文字、表格、图画等区域。2.本文使用改进的有向单连通链法提取表格线,在传统方法的基础上,对连通链起点和终点位置的确定进行了修正,提高了连通链提取的准确性;利用最小二乘法将有向单连通链拟合抽象为表格线段。3.在提取的表格线段的基础上,根据水平和竖直方向线段之间的关系得到表格的特征点集合;根据特征点之间的连接以及坐标关系,得到表格的表格单元集合;分析Latex排版系统表格绘制模块的语法特点,将表格架构信息表述为Latex字符串。4.对文本膨胀后使用连通域分析的方法进行文本行分割,随后竖直投影进行文本行的字符分割;设计卷积神经网络对印刷体汉字数据集进行训练,得到汉字字符的分类器。在以上研究的基础上,基于QT和OpenCV,设计了印刷体文档表格识别软件系统。经实验验证,本系统能极好的识别高质量表格,对扭曲、模糊的低质量表格的识别率达到74%,高于现有部分OCR软件。

关键词：表格识别版面分析有向单连通链法汉字识别

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：