买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于版式信息与约束规划的表单内容提取方法及设备，属于表单图片处理技术领域，用于解决现有图片表单内容的提取，容易受到采集的图片质量所影响，对多行文字易误判识别，难以准确且连贯的提取出表单内容的技术问题。方法包括：对待处理表单图片进行OCR识别，确定出若干文本块；根据待处理表单图片的锚点词，对待处理表单图片进行区域圈定识别，确定出目标区域；对目标区域进行有关文本块的列划分，确定出每个文本块的列位置信息；对每个文本块进行有关行位置下的矩阵约束，得到约束规划结果；通过预设的目标函数，对约束规划结果进行分值评价，确定出行号信息；基于列位置信息以及行号信息，提取文本块的表单内容信息。

主权项：1.一种基于版式信息与约束规划的表单内容提取方法，其特征在于，所述方法包括：对待处理表单图片进行OCR识别，确定出若干文本块；根据所述待处理表单图片的锚点词，并基于所述文本块，对所述待处理表单图片进行区域圈定识别，确定出包含文本块的目标区域；对所述目标区域进行有关所述文本块的列划分，确定出每个所述文本块的列位置信息，具体包括：识别出每个目标区域中所述锚点词的锚点列位置信息；根据所述锚点列位置信息，对所述目标区域中每个文本块的中心位置信息进行近似度的评估计算，得到所述锚点列位置信息与所述中心位置信息之间的评估值；若所述评估值大于第一预设阈值，则将处于所述中心位置信息下的文本块确定为隶属于所述锚点列位置信息下的文本块；将所述锚点列位置信息确定为所述文本块的列位置信息；根据所述待处理表单图片的版式信息，并基于所述文本块的列位置信息，对每个所述文本块进行有关行位置下的矩阵约束，得到约束规划结果；其中，所述约束规划结果为所述行位置的约束规划计算结果；通过预设的目标函数，对所述约束规划结果进行分值评价，确定出所述文本块所属的行号信息，具体包括：基于所述待处理表单图片的版式信息，构建动态目标函数；通过所述动态目标函数，对所述约束规划结果进行有关文本块整体布局的分值评价，得到整体布局分数；其中，所述文本块整体布局为整行整列下文本块的分布情况；通过所述动态目标函数，对所述约束规划结果进行各个文本块之间局部连接位置的分值评价，得到局部连接分数；其中，所述各个文本块之间局部连接位置为相邻文本块之间的位置情况；根据所述整体布局分数与所述局部连接分数，输出所述待处理表单图片中目标区域的分行结果信息，具体包括：对所述整体布局分数与所述局部连接分数进行均值聚类分析计算，得到聚类输出最大信息；将所述聚类输出最大信息确定为所述目标区域的分行结果信息；将所述分行结果信息中的数值信息确定为所述文本块所属的行号信息；基于所述列位置信息以及所述行号信息，提取所述文本块的表单内容信息。

全文数据：

权利要求：

百度查询： 北京鲸鹳科技有限公司 一种基于版式信息与约束规划的表单内容提取方法及设备