一种基于直线提取和补全的通用表格分析方法-中文信息学报.pdfVIP

中　文 　信 　息 　学 　报 第 14 卷 第 2 期 JOURNAL OF CHINESE INFORMATION PROCESSING Vol . 14 No. 2 一种基于直线提取和补全的 通用表格分析方法 章海涛 　李志峰 中国科学院自动化研究所文字识别工程中心 　北京 　100080 摘要 　表格分析是表格自动处理过程中的第一步 。本文充分利用表格的特点 ,给出一个 基于直线提取和补全的通用表格分析方法 。先使用一种矢量化的直线提取算法在游程连通图 的基础上得到表格线 , 同时对表格进行倾斜校正 。然后根据表格特性调整表格线 ,再从表格线 得到表格特征点 ,最后建立规则通过对表格线的补全来求得表格结构的行单元描述 。使用该 方法对表格图象进行分析 ,能处理表格线断裂 、文字表格线粘连等常见问题 ,正确得到表格结 构 。 关键词 　表格分析 　表格自动处理 　直线提取 A General Form Analysis Method Based on L ine Extraction and Completion Zhang Hait ao 　Li Zhifeng Character Recognition L ab , Instit ute of Automation ,CA S 　Beij ing 　100080 Email :zht @hw . ia . ac . cn ,lzf @hw . ia . ac . cn Abstract 　Form analysis is t he fir st step in automatic form p rocessing . This p aper int roduces a general form analysis met hod based on line ext raction and completion ,which exploit s t horoughly t he p roperty of form . We use a vectorization algorit hm to ext ract form lines from runlengt h con nect grap h which is calculated fir st ,and in t he same time t he skew angle is detected . Lines are ad j usted accor ding to t he characteristic of form . Then all critical point s are calculated from which form cell description of t he form can be derived based on some rules to complete t he form lines. By applying t his met hod ,brokenline and characterlineoverlap p roblems can be solved and t he st ruc t ure of forms can be analyzed correctly . Key words 　Form analysis 　Automatic form p rocessing 　Line ext raction 一 、引言 ( ) 文本分析和识别 Document Analysis and Recognition 是 90 年代的热门研究课题 , 目前已