摘要：本發(fā)明公開(kāi)了一種PDF文檔表格識(shí)別的方法，包括：獲取頁(yè)面中字符集，并將所述字符集合并成行，建立行集合；提取頁(yè)面路徑中水平線與垂直線，建立線集合；檢測(cè)行集合中的疑似表標(biāo)題與線集合中的疑似表格線；若同時(shí)存在疑似表標(biāo)題和疑似表格線，則采用基于表標(biāo)題和線集合的區(qū)域生長(zhǎng)法識(shí)別表格；若僅存在疑似表格線，則用線集合和行集合先檢測(cè)全線表再檢測(cè)三線表；若僅存在疑似表標(biāo)題，則用基于表標(biāo)題和行集合的區(qū)域生長(zhǎng)法識(shí)別表格；若既無(wú)疑似表格線也無(wú)疑似表標(biāo)題，則判定該頁(yè)無(wú)表格；檢測(cè)表頭、表注表格附屬元素，輸出該頁(yè)表格識(shí)別結(jié)果。本發(fā)明將表標(biāo)題、表格線及表格字符排布特點(diǎn)視為表格三大特征，采用區(qū)域并行生長(zhǎng)的思想能在多表并存一頁(yè)的復(fù)雜版面中準(zhǔn)確定位表格。
- 專利類型發(fā)明專利
- 申請(qǐng)人同方知網(wǎng)（北京）技術(shù)有限公司;
- 發(fā)明人鄒季英;袁仁慧;梁洵;
- 地址100084 北京市海淀區(qū)清華園清華大學(xué)36區(qū)華業(yè)大廈B1410、1412、1414室
- 申請(qǐng)?zhí)?/b>CN201610025529.8
- 申請(qǐng)時(shí)間2016年01月15日
- 申請(qǐng)公布號(hào)CN105589841A
- 申請(qǐng)公布時(shí)間2016年05月18日
- 分類號(hào)G06F17/24(2006.01)I;
教育裝備采購(gòu)網(wǎng)企業(yè)微信客服
京公網(wǎng)安備11010802043465號(hào)
