基于改进概率霍夫变换的表格字符定位算法

张 倩，陈其浩，杨 硕

（山东科技大学测绘与空间信息学院，山东青岛 266590）

0 引言

纸质档案数字化对历史文档数据的保存和综合分析至关重要，表格字符定位技术是文档分析与字符识别领域的重要分支［1］。从表格框线中准确定位字符区域是字符分割的关键，故重点在于表格线的检测问题［2］，因此高效准确地定位到表格信息至关重要。

早期的表格识别技术主要是基于启发式规则对表格进行识别，Chandran 等［3］根据水平或垂直方向的投影，提出以树的形式表示表格结构的表格提取系统，此方法能够快速完成对表格的识别，但不能生成表格的逻辑结构；Yildlz等［4］提出的Pdf2table 方法通过候选表格的绝对位置检测和合并文本段提取表格信息，但无法准确定位不规则表格；Koci 等［5］利用遗传算法将表格视为子图识别出来，基于启发式规则的表格识别方法设计较为复杂，准确度及适应性较差；Fan 等［6］利用表格模板进行识别的表格识别系统，将表格识别问题转为矩阵匹配问题，识别效率较高，但对表格模型的表达能力要求较高。针对识别算法，张艳等［7］用链码法对票据表格框线中的信息进行提取，但是该方法对于噪声较大的情况不具有鲁棒性；张国锋等［8］提出基于梯度霍夫变换的藏文手写采样表格检测，该方法由于表格线被多次检测，造成部分表格线重叠；张国福等［9］通过改进概率霍夫变换算法提取直线特征，从而实现对电梯门状态的实时监测，在时间和准确率上均有较大提升；……