[发明专利]基于图像处理的文献表格内容识别与信息提取方法

摘要

本发明公开了一种基于图像处理的文献表格内容识别与信息提取方法，运用计算机图像检测方法，实现对文献表格图片进行的内容识别、信息提取和结构复原；首先读取一张表格图片，利用形态学方法去除表格框线；然后利用轮廓检测找出字符区域，将区域截取出来并保存；随后选取若干张字符块图片拼接成大图，调用文字识别模型识别大图上文字，解析并保存识别结果；最后读取字符块信息数据，按照基于字符块坐标的行发现与自适应列对齐复原算法，对表格进行复原，并保存到数据库；本发明文献中表格图片内容识别与信息提取方法能够实现框线去除、内容识别和结构复原，提高文献信息提取速度，为构建相应学科数据库提供一种方法，促进对应学科的研究和发展。