[发明专利]文档图像中的无边框表格解析技术

摘要

本发明涉及一种文档图像中的无边框表格解析方法，所述方法包括步骤：识别出无边框表格区域部分；将所述位置范围内的文本进行合并；根据无边框表格区域和区域内文本相关数据，将文本块进行分行，并获取每一行的文本块数量，将区域中含有最多文本块的行提取出来，并根据顺序切分为列，并根据每列的文本块位置信息获取列的取值范围；计算获取当前列文本块横轴位置数值的最大值、最小值、方差、变动范围、25到75百分位的变动范围。根据上述计算得到的数据判断列中文本的对齐类型；对第一列的左边界值设为0，依次将其右边的所有列的横轴位置坐标相对第一列进行修正，同时进行横向和纵向单元格合并的情况判定和处理。

主权项

1.一种文档图像中的无边框表格解析方法，其特征在于，包括以下步骤：(1)利用预先得到的页面中元素位置信息，检测出无边框表格的潜在区域；(2)利用预先得到的页面中文本及其位置信息，对文本进行行内，行之间的合并与标记；(3)检测标记结果，针对标记类型，将相邻的文本行合并为文本行块；(4)针对所有合并后的文本行块，尝试对其合并得到无边框表格在页面中的高度值范围；(5)确定无边框表格区域；(6)利用上述的无边框表格区域数据、文本行数据、文本块数据，获取无边框表格区域内文本行所能包含的文本块的最大数量；(7)根据上述数据将无边框表格区域切分为列，并通过列内的文本块位置信息计算得到每列的横轴位置范围、列宽、列内文本横轴位置数据方差、列内文本横轴位置数据25到75百分位差值；(8)利用上述计算结果，判断每列文本的对齐类型，同时获取相邻两列间空白区域的横向中线值；(9)将无边框表格区域内第一列的横向左边界位置值设为0，并将其余每列相对前一列的横轴位置数据根绝两列的文本对齐类型进行位置修正，根据每列及其右相邻列的横向位置数据、上述获取的相邻列间空白区域中线值和每列及其右相邻列的对齐类型，计算待定跨列区域值，同时与同行的文本块位置数据进行比对，判断是否为横向合并单元格；(10)针对每一行文本，根据行内所有的文本块位置数据对文本行的纵向位置数据进行统一，同时进行纵向合并单元格的判断与处理。