CASIA OpenIR  > 毕业生  > 博士学位论文
复杂表格自动理解方法与系统
其他题名Automatic Complex Table Understanding Approach and System
朱远平
学位类型工学博士
导师戴汝为
2006-05-29
学位授予单位中国科学院研究生院
学位授予地点中国科学院自动化研究所
学位专业模式识别与智能系统
关键词文档图像 表格理解 表格处理 表格识别 图像二值化 Document Image Table Understanding Table Processing Table Recognition Image Binarization
摘要表格文件广泛应用于人们的日常工作和生活中,方便人们简明规范地展示、组织和收集信息。为获得表格中的信息,传统的处理方法是依靠人工处理将表格中记载的信息录入数据库中,不仅费时费力,而且容易出错,给表格文件中信息的利用带来障碍。表格文档的处理针对这一现实问题,采用自动处理的方式,对表格文档进行分析、理解、识别,替代人工操作。一方面,为表格文档的利用提供了方便;另一方面,在一些有大量表格处理需求的领域能显著提高工作效率,有着现实的应用价值与需求,成为文档处理研究中的热点。然而,复杂表格的理解是一个难题,尽管众多的方法与系统不断被提出,仍存在许多难点并没有得到很好的解决,颇具研究价值和前景,这也是其一直被众多科研工作者视为研究热点的吸引力所在。 本文研究了表格理解中的多个关键问题,主要工作在于: 1.提出了基于多层次结构与内容模板的表格知识的表示与获取方法。基于表格文档的多层次模型,针对表格结构和元素种类复杂的情况,该表格知识表示方法能够比较充分、有效地描述表格文档包含的结构和内容信息。在此基础上,运用表格理解方法获取表格知识,具有较好的灵活性和鲁棒性。 2.提出了一种基于统计的表格学习方法。面向特定类型表格,利用统计特性,表格学习方法能够消除表格知识获取中随机噪声的影响,降低对学习样本的质量依赖,提高表格学习的可靠性和精度。同时,基于空表和实表学习相结合的方法,使表格学习方法不仅能够获取表格固定内容的信息,也可获得表格填写内容相关的信息,有助于提高表格处理信息的能力。 3.提出了一种基于综合结构信息的表格识别方法。该方法将表格内容域结构信息引入到表格识别中,综合表格框线结构信息和内容域结构信息,有效提高表格识别的性能。 4.提出了一种基于边缘信息的自适应表格框线检测新方法。基于矢量化直线检测方法,从图像边缘信息中检测和提取表格框线信息,该方法具有抗倾斜能力强、精度高的特点。同时,提出了一种自适应表格参数估计的方法获取表格局部参数,用于调整表格框线检测参数设置,能有效降低表格框线检测的错检和漏检,提高表格框线检测的性能。 5.提出了一种基于笔划增强的文档图像二值化方法。利用笔划邻域的特性和信息,增强文字笔划,在此基础上分割文档图像,提高对低质量图像的二值化性能。 概括来讲,本文的主要贡献和创新之处在于:提出了结合内容的表格知识表示方法和对应的表格知识获取方法,有助于提高表格知识表示和利用的完备性和灵活性;在表格学习中提出了基于统计的空表与实表相结合的学习方法;提出了基于综合结构信息的表格识别方法,在表格识别中引入表格内容域结构信息,提高了表格识别的性能;提出了一种新的基于边缘信息的自适应表格框线检测方法,具有较好的框线检测性能;提出了一种基于笔划增强的文档图像二值化方法,提高了对降质图像的二值化效果。
其他摘要Tables are popular in our life. They're useful in representing and collecting information. To obtain the information in tables, the traditional means inputs data into database by manual which not only is low efficient but also is easy to make mistakes. That becomes a barrier in utility of information in tables. Table document processing provides automatic process ability for computer to substitute human's work, which can analyze, understand and recognition table document. It can improve the efficiency of those jobs which have lots of tables to process. That makes it become a research hot. However, automatic understanding of complex tables isn't easy. Although many kinds of methods have been proposed, there're still many difficulties are not solved well, which absorbs many scientist pay much time on it. This dissertation researches on many key problems in table understanding, the major research are: 1. This dissertation proposes a table knowledge representation and acquisition method based on hierarchical structure and content template. Utilizing the hierarchical model of table document, the method can represent table structure and content knowledge sufficiently and effectively. It applies table understanding to acquire table knowledge which is flexible and robust. 2. This dissertation proposes a table learning method based on statistic. Orient to specifical table type, this method can remove the random noises in table knowledge acquisition base on statistical property. It also combines the blank tables and filled tables in table learning which make it obtain not only the fixed information but also the filled-in information of tables, It help enhance the table information processing ability. 3. This dissertation proposes a table structure recognition method based on integrated structure information. This method introduces the content field structure information into table recognition. It improves the performance of table recognition effectively by integrating the line structure information and content field structure information of a table. 4. This dissertation proposes an adaptive table line detection method based on edge. The method applies vectorization straight line detection to detect and extract table lines from image edges. It is robust to skew and has high precision. Meanwhile, an adaptive table parameter estimation method is proposed to adjust the parameters of table line detection, which can reduce the wrong detection and missing detection of table lines and improve the performance of table line detection finally. 5. This dissertation proposes a document binarization method based on stroke enhancement. This method utilizes the properties and information of stroke neighborhood to enhance the strokes. The final binarization based on enhanced document image can provide better binary result.
馆藏号XWLW1031
其他标识符200318014603045
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/5919
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
朱远平. 复杂表格自动理解方法与系统[D]. 中国科学院自动化研究所. 中国科学院研究生院,2006.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20031801460304(2369KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[朱远平]的文章
百度学术
百度学术中相似的文章
[朱远平]的文章
必应学术
必应学术中相似的文章
[朱远平]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。