[发明专利]一种识别PDF文档中水印的方法

摘要

本发明涉及一种识别PDF文件中水印的方法。步骤1提取PDF文字、位图元素内容及位置信息，根据位置计算指纹并计数；指纹是从内容中（此处即是位置）提取的关键信息，可以代表所指向的内容，相同指纹可以统计出现次；步骤2筛选（计数>页数/2）的指纹集合，查找相应指纹位置的元素；步骤3遍历备选指纹，如果指纹对应的都是文字元素，则进行步骤4处理；对应均为位图元素则进入步骤5；步骤4提取该指纹对应的文字，如果相同或满足递增、递减规律则判定为文字水印；步骤5提取指纹对应的位图，如果相同则判定为图片水印。在上述处理框架中，本发明还阐述了位置指纹生成方法，文字内容规律判断方法及相同图片判断方法等实施细节，综合提高PDF文档水印的识别率，为提取、分析内容等后续处理做准备。

主权项

一种识别PDF文件中水印的方法，其特征在于该方法包括：步骤1：提取PDF文字、位图元素内容及位置信息，根据位置计算指纹并计数；指纹是从内容中（此处即是位置）提取的关键信息，可以代表所指向的内容，相同指纹可以统计出现次；步骤2：筛选（计数 > 页数 / 2）的指纹集合，查找相应指纹位置的元素；步骤3：遍历备选指纹，如果指纹对应的都是文字元素，则进行步骤4处理；对应均为位图元素则进入步骤5；步骤4：提取该指纹对应的文字，如果相同或满足递增、递减规律则判定为文字水印；步骤5：提取指纹对应的位图，如果相同则判定为图片水印——在以上处理流程中，还涉及通过元素位置坐标参数，生成文本指纹方法；文字元素内容递增递减规律通过差分方法判断；相同图片对比位图md5哈希值判断方法等实施细节。