[发明专利]一种保护档案表格图像中的隐私数据的方法

说明书

本发明公开了一种保护档案表格图像中的隐私数据的方法，利用彩色图像的RGB色差，将表格图像的彩色印章等内容淡化；将图像缩放到特定大小，通过卷积运算得到图像的边缘强度图；利用Hough变换得到候选的水平线和垂直线方程；进行回溯搜索其它可能的跟踪轨迹；从档案利用者处获取利用行的坐标信息，自动模糊档案图像中的隐私部分和保留需要利用的部分。本发明计算速度快，在普通办公电脑上能够在1秒以内完成识别和隐私模糊处理；并且抗干扰能力强，对陈旧的档案、有彩色印章、原始涂改痕迹和表格线条极淡的表格，均能准确识别。另外兼容性好，对不同长宽比、不同行列数、不同表头样式的表格就能有效识别处理。

技术领域

本发明涉及档案利用和图像处理领域，特别是一种档案表格图像识别和处理算法。

背景技术

为了尊重档案的原始记录性与内容的真实性，档案管理部门会将原始档案扫描保存，在出具档案证明等利用材料时，会将图像中与档案利用者无关的他人信息进行图像遮蔽或者模糊处理。

目前的遮蔽方法为人工使用画图或PhotoShop等图像处理软件打开原始档案图像，手工选择需要做隐私处理的部分，对图像处理，再保存、打印、签字盖章交付给档案利用人。其中手工选择隐私处理这个环节操作较为繁琐。

计算机视觉技术对文档图像中的表格识别技术早已有之，传统图像识别和处理技术包括图像倾斜校正、图像二值化、水平和垂直投影出表格水平线和垂直线、利用Hough变化投票得出线段方程再进行线段跟踪检测等技术。在图像背景干净、表格简单规范时，这类方法具有较好效果。但大量档案表格存在表头复杂、陈旧灰暗、线条存在弯曲、手写和签章覆盖于表格图像等各种干扰因素，难以采用上述方法得到表格线框信息。

计算机视觉技术的另一个分支是基于深度神经网络的机器学习技术，这种技术使用多层卷积层、池化层、激活函数、损失函数等方法构造了一套能够自行学习大量样本，从图像底层边缘等特征到高层结构等特征的学习机构。缺点包括：需要准备和标记大量学习样本，需要较高的算力进行学习和推理计算。其中机器学习前期收集和标记大量档案表格样本图像工作量非常大，即便组织大量人力完成此工作，机器学习得到的推理模型，运算在一般档案利用科室的普通办公电脑中，也存在一定的延迟，导致应用不便。

发明内容

本发明的目的在于，提供一种保护档案表格图像中的隐私数据的方法。它计算速度快，抗干扰能力强，对陈旧的档案、有彩色印章、原始涂改痕迹和表格线条极淡的表格，均能准确识别，并且兼容性好，对不同长宽比、不同行列数、不同表头样式的表格就能有效识别处理。

本发明的技术方案：保护档案表格图像中的隐私数据的方法，其特征在于，具体包括如下步骤：

一种保护档案表格图像中的隐私数据的方法，具体包括如下步骤：

1)先利用彩色图像的RGB色差，将表格图像的彩色印章等内容淡化；

2)将图像缩放到特定大小，设计在此图像尺寸下的兼容性良好的水平边缘检测算子，通过卷积运算得到图像的边缘强度图；

3)利用Hough变换得到候选的水平线和垂直线方程；

4)根据直线方程，进行线条跟踪，利用循环队列记忆不超过15个像素的线条坐标，实时判断线条弯折情况；对于过于弯折的，判断为干扰，利用队列存储的坐标信息，进行回溯搜索其它可能的跟踪轨迹；

5)对贯穿表格的水平线进行Y坐标排序，根据表头行高与普通行区别较大的特点，识别出表头；

6)利用图形交互界面，从档案利用者处获取利用行的坐标信息，结合上述步骤识别到的表格信息，自动模糊档案图像中的隐私部分和保留需要利用的部分。

步骤2)所述的检测算子是，构造n行m列边缘检测算子算子矩阵H，矩阵中间行值为负，两端行元素值为正，每行元素值相同，矩阵所有正元素值和为1，负元素值和为-1，其中n为不大于7的整数，m为不大于5的整数。