[发明专利]表格处理方法、装置、电子设备及存储介质

说明书

本申请涉及图像处理技术，尤其涉及一种表格处理方法、装置、电子设备及存储介质，该方法包括：获取第一表格的表格图像，并对所述表格图像进行识别，得到识别结果，并对所述识别结果进行特征提取，得到第一特征向量；对所述表格图像进行线段检测，得到线段检测结果，并对所述线段检测结果进行特征提取，得到第二特征向量；将所述第一特征向量和所述第二特征向量进行拼接，得到第三特征向量；将所述第三特征向量输入到预设模型，得到顶点特征，并基于所述顶点特征，确定关系邻接矩阵；根据所述关系邻接矩阵进行还原处理，得到第二表格，所述第二表格为所述第一表格的表格结构。采用本申请实施例能够表格还原精度。

技术领域

本申请涉及图像处理技术领域，具体涉及一种表格处理方法、装置、电子设备及存储介质。

背景技术

光学字符识别(Optical Character Recognition，OCR)技术能够将图像中印刷文字转换为计算机可处理的文本格式，被广泛应用在数据录入、校验比对等场景中，成为国民经济各行业信息化和数字化应用的关键环节。随着大数据和深度学习技术的不断发展，OCR技术取得了突破性的进展，在印刷文档扫描件的识别中，通常可以达到99％以上的字符识别准确率。

除了解决文字的位置检测和内容识别问题以外，OCR系统通常还需要对文档的版面结构进行解析和还原。表格作为最常见和最重要的版面结构，表格解析技术成为纸质文档电子化的关键一环。

目前业界的表格检测与结构识别通常基于表格框线检测，由图像中的横竖线得到文本行列位置，进而获得整个表格的结构信息。这种做法对于常规表格框线完整的表格有较好的识别效果，而对于表格框线不可见的无框线表格、三线表、四线表等，则无法准确还原其结构。因此，如何提升表格还原精度的问题亟待解决。

发明内容

本申请实施例提供了一种表格处理方法、装置、电子设备及存储介质，能够提升表格还原精度。

第一方面，本申请实施例提供一种表格处理方法，所述方法包括：

获取第一表格的表格图像，并对所述表格图像进行识别，得到识别结果，并对所述识别结果进行特征提取，得到第一特征向量；

对所述表格图像进行线段检测，得到线段检测结果，并对所述线段检测结果进行特征提取，得到第二特征向量；

将所述第一特征向量和所述第二特征向量进行拼接，得到第三特征向量；

将所述第三特征向量输入到预设模型，得到顶点特征，并基于所述顶点特征，确定关系邻接矩阵；

根据所述关系邻接矩阵进行还原处理，得到第二表格，所述第二表格为所述第一表格的表格结构。

第二方面，本申请实施例提供一种表格处理装置，所述装置包括：获取单元、检测单元、拼接单元、输入单元和还原单元，其中，

所述获取单元，用于获取第一表格的表格图像，并对所述表格图像进行识别，得到识别结果，并对所述识别结果进行特征提取，得到第一特征向量；

所述检测单元，用于对所述表格图像进行线段检测，得到线段检测结果，并对所述线段检测结果进行特征提取，得到第二特征向量；

所述拼接单元，用于将所述第一特征向量和所述第二特征向量进行拼接，得到第三特征向量；

所述输入单元，用于将所述第三特征向量输入到预设模型，得到顶点特征，并基于所述顶点特征，确定关系邻接矩阵；

所述还原单元，用于根据所述关系邻接矩阵进行还原处理，得到第二表格，所述第二表格为所述第一表格的表格结构。

第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面中的步骤的指令。