CN103208004A - 票据信息区域自动识别和提取方法及设备 - Google Patents
票据信息区域自动识别和提取方法及设备 Download PDFInfo
- Publication number
- CN103208004A CN103208004A CN2013100823220A CN201310082322A CN103208004A CN 103208004 A CN103208004 A CN 103208004A CN 2013100823220 A CN2013100823220 A CN 2013100823220A CN 201310082322 A CN201310082322 A CN 201310082322A CN 103208004 A CN103208004 A CN 103208004A
- Authority
- CN
- China
- Prior art keywords
- information area
- character
- information
- bill
- bill image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Character Input (AREA)
Abstract
本发明提供票据信息区域自动识别和提取方法及设备，涉及计算机图像处理和信息识别领域。本发明通过票据图像预处理、利用预先通过信息区域训练自学习而构建的信息区域特征数据库进行信息区域识别、边界和底纹处理、字符区域增强处理、信息区域提取等处理，能够以良好的准确率和适应性自动地识别和提取多类票据中的感兴趣区域信息，从而节省票据处理的人力和时间。
Description
技术领域
本发明涉及计算机图像处理和信息识别领域，尤其是票据的信息区域的自动识别和提取技术。
背景技术
现代社会的各种商业活动，特别是银行业务，广泛使用各种票据。例如，随着现代社会的发展，人们越来越多地使用支票代替现金进行消费和结算。支票等票据的广泛使用必然导致票据的存储、管理以及票据信息的查找愈来愈麻烦。虽然目前在银行等有关行业广泛使用计算机来管理海量票据信息，但是向计算机系统人工输入票据信息需耗费大量的人力和时间。为此，有人提出了可以自动识别票据中的区域信息的票据自动识别技术，能够从票据中自动提取有用信息，并按照一定的分类规则保存到数据库中供用户检索查询，从而减少用户的工作量。
然而，目前的票据自动识别技术存在以下问题：首先，票据格式多种多样，没有统一的识别格式，目前没有快速有效的分类方式来识别票据的样式；其次，票据大多由人用笔填写，之后通过扫描等手段输入计算机识别系统，其中的污损、残缺、摆放不正等因素都会极大地影响系统的识别准确率；第三，目前针对票据的识别方式都是通过版面分类的方式进行预处理，这对于规规矩矩的扫描件是有效的，而对于票据形状、扫描坐标、旋转、倾斜度等处理效率都不高。
发明内容
为了克服现有技术存在的上述问题，本发明提供一种票据信息区域自动识别和提取技术，能够以良好的准确率和适应性自动地识别和提取多类票据中的感兴趣区域信息，从而节省票据处理的人力和时间。
根据本发明的一种票据信息区域自动识别和提取方法包括以下步骤：票据图像预处理，包括对票据图像进行去黑边、去噪点、纠偏以及灰度化处理；利用预先通过信息区域训练自学习而构建的信息区域特征数据库，对经过预处理的票据图像进行信息区域识别；边界和底纹处理，包括对所识别的信息区域进行重叠区域合并、去除底纹干扰、突出字符颜色以及二值化处理；字符区域增强处理，包括对经过边界和底纹处理的信息区域中的字符区域进行字符区域分割和膨胀腐蚀处理；以及提取经过字符区域增强处理的各个信息区域。
根据本发明的一种票据信息区域自动识别和提取设备包括：票据图像预处理装置，用于对票据图像进行去黑边、去噪点、纠偏以及灰度化处理；信息区域识别装置，用于利用预先通过信息区域训练自学习而构建的信息区域特征数据库，对经过票据图像预处理装置处理的票据图像进行信息区域识别；边界和底纹处理装置，用于对由信息区域识别装置识别的信息区域进行重叠区域合并、去除底纹干扰、突出字符颜色以及二值化处理；字符区域增强处理装置，用于对经过边界和底纹处理装置处理的信息区域中的字符区域进行字符区域分割和膨胀腐蚀处理；以及信息区域提取装置，用于提取经过字符区域增强处理装置处理的各个信息区域。
本发明通过票据图像预处理、边界和底纹处理，能够显著地减小票据摆放不正、票据污损或残缺等因素对票据自动识别的准确率的影响。本发明利用通过训练自学习而构建的信息区域特征数据库来进行票据信息区域识别，从而能够适应于多种票据格式，自动地识别和提取多类票据中的感兴趣区域信息。此外，本发明通过字符区域增强处理，能够显著地提高后续的光学字符识别（OCR）的准确率。
附图说明
图1是根据本发明的票据信息区域自动识别和提取方法的流程图；
图2例示根据本发明的票据图像预处理过程；
图3例示根据本发明的票据信息区域训练自学习过程；
图4例示根据本发明的票据信息区域识别过程；
图5例示根据本发明的边界和底纹处理过程；
图6例示根据本发明的字符区域增强处理过程；以及
图7是根据本发明的票据信息区域自动识别和提取设备的框图。
具体实施方式
如图1所示，根据本发明的票据信息区域自动识别和提取方法包括以下步骤：票据图像预处理、信息区域识别、边界和底纹处理、字符区域增强处理、以及信息区域提取。
如图2所示，票据图像预处理包括对例如从扫描仪等装置输入的票据图像进行去黑边、去噪点、纠偏以及灰度化处理。例如，可以通过边界连续黑值判断，去除票据图像中因为扫描出现的黑边；可以对整幅票据图像进行中值滤波，其中区域大小设为3*3，以有效地去除扫描产生的噪点；可以通过Hough变换来检测票据图像中的长线段，统计相应最大的两个垂直方向，然后根据标准的矩形方向进行旋转，以实现对票据图像的纠偏；最后对票据图像进行灰度化处理。
在信息区域识别步骤中，利用信息区域特征数据库对经过预处理的票据图像进行信息区域识别，该信息区域特征数据库是预先通过信息区域训练自学习而构建的。
在图3所示的例子中，信息区域训练自学习是针对多种样本票据图像进行的。优选地，这些样本票据图像都经过去黑边、去噪点、纠偏以及灰度化等处理，以便达到最佳的训练效果。每种样本票据图像中的票据分割线的位置以及字符区域、印章区域等信息区域的位置和大小等是预先已知的。针对样本票据图像的信息区域训练自学习过程可以包括：对样本票据图像进行AdaBoost算法和Haar算法训练，以获取每个信息区域的级联分类器特征值；使用Canny边缘检测算子和Hough变换算法来检测票据分割线；采用尺度不变特征变换（SIFT）或快速鲁棒特征（SURF）特征点算法来区分字符区域、印章区域等不同的信息区域。通过信息区域训练自学习而获取的每种样本票据图像的不同信息区域的标识符（ID）、名称、功能描述、字符和底纹的颜色RGB值、SIFT/SURF特征向量、级联分类器特征值、相对的票据分割线位置、相对的信息区域的位置和大小等信息区域特征被集中保存，构成信息区域特征数据库。
如图4所示，利用信息区域特征数据库进行票据信息区域识别的过程可以包括：通过SIFT/SURF特征点算法获得经过预处理的票据图像的SIFT/SURF特征向量，将其与所述信息区域特征数据库中的SIFT/SURF特征向量进行比对，以排查没有任何待识别的信息区域的票据；利用所述信息区域特征数据库中的级联分类器特征值对该票据图像进行窗口搜索，找到匹配的信息区域；根据所述信息区域特征数据库中的相对的票据分割线位置，判断匹配的信息区域的合理性，以去掉不合理的匹配信息区域；从所述信息区域特征数据库中获取合理的匹配信息区域的区域信息。该区域信息可以包括区域ID、位置和大小等。
如图5所示，边界和底纹处理包括对所识别的信息区域进行重叠区域合并、去除底纹干扰、突出字符颜色以及二值化处理。例如，可以将所识别的信息区域中的重叠区域合并成连通域，通过水平投影、垂直投影、像素连续性检测算法来获取更精细的连续边界；可以通过信息区域特征数据库中的颜色RGB值对所识别的信息区域进行颜色过滤，以去除底纹干扰；可以对所识别的信息区域中的字符相近颜色进行加强处理，以突出字符颜色；可以通过动态阈值算法，对所识别的信息区域进行二值化处理。
如图6所示，字符区域增强处理包括对经过边界和底纹处理的信息区域中的字符区域进行字符区域分割和膨胀腐蚀处理。
所述字符区域分割处理可以包括：对字符周边有边框的，去除该边框；采用引入先验知识的基于连通域的层次化切分方法进行普通字符分割。在这种层次化切分方法中，使用Canny边缘检测算子来检测边缘，并且采用基于行列投影的方法来递归分割粘连在一起的目标，其中，初始的目标是通过种子填充得到的每个运动目标，在每次迭代的过程中对当前目标进行行列投影以找到一个最佳的切分位置，这个切分位置具有最小的投影值也即所花代价最小，在该最佳的切分位置将当前目标切分成两部分，对这两部分分别进行递归迭代处理，直到没有可切分的位置也即最小切分投影值大于预设的阈值。采用这种引入先验知识的基于连通域的层次化切分方法，可以更准确地将字符分割开，且无需预先训练因而速度更快。在此基础上，后续的OCR只需要处理单个字符的分类，而不必考虑词组、整句等。
所述膨胀腐蚀处理可以包括：根据信息区域特征数据库中的字符的颜色RGB值，判断字符区域中的主要像素颜色；通过膨胀和腐蚀算法，扩展或者收缩有效字符区域，以排除不连续的像素点。这样，能够显著地提高后续的OCR的准确率。
最后，经过字符区域增强处理的各个信息区域被提取。此步骤可以包括：将所提取的各个信息区域分别存储为二值化图像；利用OCR对所提取的各个信息区域中的字符区域进行字符识别以输出文本。
本发明的上述票据信息区域自动识别和提取方法中的一些具体处理操作可以采用Microsoft Visual Studio2010上的函数库OpenCV2中的相应函数来实现。例如，上述的中值滤波可以采用OpenCV2中的cv::medianBlur()函数来实现；上述的Hough变换可以采用OpenCV2中的cv::HoughLines函数来实现；上述的边缘检测可以采用OpenCV2中的cv::Canny()函数来实现；上述的获取连续边界可以采用OpenCV2中的cv::findContours()函数来实现。
另一方面，本发明还提供一种能够实现上述票据信息区域自动识别和提取方法的设备。如图7所示，这种票据信息区域自动识别和提取设备包括票据图像预处理装置、信息区域识别装置、边界和底纹处理装置、字符区域增强处理装置、以及信息区域提取装置。票据图像预处理装置对票据图像进行去黑边、去噪点、纠偏以及灰度化处理。信息区域识别装置利用预先通过信息区域训练自学习而构建的信息区域特征数据库，对经过票据图像预处理装置处理的票据图像进行信息区域识别。边界和底纹处理装置对由信息区域识别装置识别的信息区域进行重叠区域合并、去除底纹干扰、突出字符颜色以及二值化处理。字符区域增强处理装置对经过边界和底纹处理装置处理的信息区域中的字符区域进行字符区域分割和膨胀腐蚀处理。信息区域提取装置提取经过字符区域增强处理装置处理的各个信息区域。
以上具体描述了本发明的一些实施例，这些实施例仅是示例性的而不是限制性的。
Claims (9)
1.一种票据信息区域自动识别和提取方法，包括以下步骤：
票据图像预处理，包括对票据图像进行去黑边、去噪点、纠偏以及灰度化处理；
利用预先通过信息区域训练自学习而构建的信息区域特征数据库，对经过预处理的票据图像进行信息区域识别；
边界和底纹处理，包括对所识别的信息区域进行重叠区域合并、去除底纹干扰、突出字符颜色以及二值化处理；
字符区域增强处理，包括对经过边界和底纹处理的信息区域中的字符区域进行字符区域分割和膨胀腐蚀处理；以及
提取经过字符区域增强处理的各个信息区域。
2.根据权利要求1所述的票据信息区域自动识别和提取方法，其中，在所述票据图像预处理步骤中：通过边界连续黑值判断，去除票据图像中因为扫描出现的黑边；对整幅票据图像进行区域大小为3*3的中值滤波，以去除扫描产生的噪点；通过Hough变换来检测票据图像中的长线段，统计相应最大的两个垂直方向，然后根据标准的矩形方向进行旋转，以实现对票据图像的纠偏。
3.根据权利要求1所述的票据信息区域自动识别和提取方法，其中，
在所述信息区域训练自学习中：对样本票据图像进行AdaBoost算法和Haar算法训练，以获取每个信息区域的级联分类器特征值；使用Canny边缘检测算子和Hough变换算法来检测票据分割线；采用尺度不变特征变换SIFT或快速鲁棒特征SURF特征点算法来区分不同的信息区域，
所构建的信息区域特征数据库包含样本票据图像的不同信息区域的标识符、名称、功能描述、字符和底纹的颜色RGB值、SIFT/SURF特征向量、级联分类器特征值、相对的票据分割线位置、相对的信息区域的位置和大小。
4.根据权利要求3所述的票据信息区域自动识别和提取方法，其中，在所述信息区域识别步骤中：通过SIFT/SURF特征点算法获得经过预处理的票据图像的SIFT/SURF特征向量，将其与所述信息区域特征数据库中的SIFT/SURF特征向量进行比对，以排查没有任何待识别的信息区域的票据；利用所述信息区域特征数据库中的级联分类器特征值对该票据图像进行窗口搜索，找到匹配的信息区域；根据所述信息区域特征数据库中的相对的票据分割线位置，判断匹配的信息区域的合理性，以去掉不合理的匹配信息区域；从所述信息区域特征数据库中获取合理的匹配信息区域的区域信息。
5.根据权利要求1所述的票据信息区域自动识别和提取方法，其中，在所述边界和底纹处理步骤中：将所识别的信息区域中的重叠区域合并成连通域，通过水平投影、垂直投影、像素连续性检测算法来获取更精细的连续边界；通过所述信息区域特征数据库中的颜色RGB值对所识别的信息区域进行颜色过滤，以去除底纹干扰；对所识别的信息区域中的字符相近颜色进行加强处理，以突出字符颜色；通过动态阈值算法，对所识别的信息区域进行二值化处理。
6.根据权利要求1所述的票据信息区域自动识别和提取方法，其中，
所述字符区域增强处理步骤中的字符区域分割处理包括：对字符周边有边框的，去除该边框；采用引入先验知识的基于连通域的层次化切分方法进行普通字符分割，
在所述引入先验知识的基于连通域的层次化切分方法中：使用Canny边缘检测算子来检测边缘；采用基于行列投影的方法来递归分割粘连在一起的目标，其中，初始的目标是通过种子填充得到的每个运动目标，在每次迭代的过程中对当前目标进行行列投影以找到一个最佳的切分位置，这个切分位置具有最小的投影值也即所花代价最小，在该最佳的切分位置将当前目标切分成两部分，对这两部分分别进行递归迭代处理，直到没有可切分的位置也即最小切分投影值大于预设的阈值。
7.根据权利要求1所述的票据信息区域自动识别和提取方法，其中，所述字符区域增强处理步骤中的膨胀腐蚀处理包括：根据所述信息区域特征数据库中的字符的颜色RGB值，判断字符区域中的主要像素颜色；通过膨胀和腐蚀算法，扩展或者收缩有效字符区域，以排除不连续的像素点。
8.根据权利要求1所述的票据信息区域自动识别和提取方法，其中，所述提取经过字符区域增强处理的各个信息区域步骤包括：将所提取的各个信息区域分别存储为二值化图像；利用光学字符识别OCR对所提取的各个信息区域中的字符区域进行字符识别以输出文本。
9.一种票据信息区域自动识别和提取设备，包括：
票据图像预处理装置，用于对票据图像进行去黑边、去噪点、纠偏以及灰度化处理；
信息区域识别装置，用于利用预先通过信息区域训练自学习而构建的信息区域特征数据库，对经过票据图像预处理装置处理的票据图像进行信息区域识别；
边界和底纹处理装置，用于对由信息区域识别装置识别的信息区域进行重叠区域合并、去除底纹干扰、突出字符颜色以及二值化处理；
字符区域增强处理装置，用于对经过边界和底纹处理装置处理的信息区域中的字符区域进行字符区域分割和膨胀腐蚀处理；以及
信息区域提取装置，用于提取经过字符区域增强处理装置处理的各个信息区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013100823220A CN103208004A (zh) | 2013-03-15 | 2013-03-15 | 票据信息区域自动识别和提取方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013100823220A CN103208004A (zh) | 2013-03-15 | 2013-03-15 | 票据信息区域自动识别和提取方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103208004A true CN103208004A (zh) | 2013-07-17 |
Family
ID=48755221
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2013100823220A Pending CN103208004A (zh) | 2013-03-15 | 2013-03-15 | 票据信息区域自动识别和提取方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103208004A (zh) |
Cited By (46)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103428438A (zh) * | 2013-08-05 | 2013-12-04 | 移康智能科技(上海)有限公司 | 网络摄像机的网络参数设定方法及网络摄像机 |
| CN103606220A (zh) * | 2013-12-10 | 2014-02-26 | 江苏国光信息产业股份有限公司 | 一种基于白光图像及红外图像的支票印刷体数字识别系统及其方法 |
| CN104732231A (zh) * | 2015-04-13 | 2015-06-24 | 广州广电运通金融电子股份有限公司 | 一种有价票据的识别方法 |
| CN104866849A (zh) * | 2015-04-30 | 2015-08-26 | 天津大学 | 一种基于移动终端的食品营养成分标签识别方法 |
| CN104916032A (zh) * | 2015-05-28 | 2015-09-16 | 浪潮软件集团有限公司 | 一种基于银行自助服务的票据处理设备 |
| CN104952143A (zh) * | 2015-06-18 | 2015-09-30 | 辰通智能设备(深圳)有限公司 | 一种票据图像红水线变色检测方法及系统 |
| CN104951762A (zh) * | 2015-06-15 | 2015-09-30 | 深圳市银之杰科技股份有限公司 | 一种防票据抽换方法及防票据抽换系统 |
| CN104966348A (zh) * | 2015-06-18 | 2015-10-07 | 辰通智能设备(深圳)有限公司 | 一种票据图像要素完整性检测方法及系统 |
| CN105045780A (zh) * | 2015-07-15 | 2015-11-11 | 广州敦和信息技术有限公司 | 一种发票字条语义信息的识别方法及装置 |
| CN105069898A (zh) * | 2015-07-15 | 2015-11-18 | 广州敦和信息技术有限公司 | 一种发票字条自动定位的方法及装置 |
| CN105320952A (zh) * | 2015-10-15 | 2016-02-10 | 广东广信通信服务有限公司 | 一种基于ocr的行驶证信息识别方法 |
| CN105320951A (zh) * | 2014-06-23 | 2016-02-10 | 株式会社日立信息通信工程 | 光学字符识别装置以及光学字符识别方法 |
| CN105654072A (zh) * | 2016-03-24 | 2016-06-08 | 哈尔滨工业大学 | 一种低分辨率医疗票据图像的文字自动提取和识别系统与方法 |
| CN105788064A (zh) * | 2014-12-26 | 2016-07-20 | 山东新北洋信息技术股份有限公司 | 票据鉴别方法及装置 |
| CN105809157A (zh) * | 2014-12-29 | 2016-07-27 | 北京鸿合智能系统股份有限公司 | 答题卡建模方法和装置 |
| CN106096667A (zh) * | 2016-07-26 | 2016-11-09 | 江苏鸿信系统集成有限公司 | 基于svm的票据图像分类方法 |
| CN106803308A (zh) * | 2016-12-29 | 2017-06-06 | 长江大学 | 多色补偿扫描方法及应用、以及应用系统 |
| CN106845473A (zh) * | 2015-12-03 | 2017-06-13 | 富士通株式会社 | 用于确定图像是否为带地址信息的图像的方法和装置 |
| CN106846011A (zh) * | 2016-12-30 | 2017-06-13 | 金蝶软件（中国）有限公司 | 营业执照识别方法和装置 |
| CN107133621A (zh) * | 2017-05-12 | 2017-09-05 | 江苏鸿信系统集成有限公司 | 基于ocr的格式化传真的分类和信息提取方法 |
| CN107194400A (zh) * | 2017-05-31 | 2017-09-22 | 北京天宇星空科技有限公司 | 一种财务报销全票据图片识别处理方法 |
| CN107346580A (zh) * | 2016-05-05 | 2017-11-14 | 腾讯科技（深圳）有限公司 | 票据信息识别方法及装置 |
| CN107451569A (zh) * | 2017-08-04 | 2017-12-08 | 深圳易嘉恩科技有限公司 | 一种自动识别并裁切扫描件中票据的方法 |
| CN107516085A (zh) * | 2017-09-01 | 2017-12-26 | 山西同方知网数字出版技术有限公司 | 一种基于文档图像自动去除黑边的方法 |
| CN107622263A (zh) * | 2017-02-20 | 2018-01-23 | 平安科技（深圳）有限公司 | 单据图像的字符识别方法和装置 |
| CN108319917A (zh) * | 2018-02-02 | 2018-07-24 | 杭州清本科技有限公司 | 证书图像中关键信息增强方法、装置及系统、存储介质 |
| CN108830133A (zh) * | 2018-04-17 | 2018-11-16 | 平安科技（深圳）有限公司 | 合同影像图片的识别方法、电子装置及可读存储介质 |
| CN108921166A (zh) * | 2018-06-22 | 2018-11-30 | 深源恒际科技有限公司 | 基于深度神经网络的医疗票据类文本检测识别方法及系统 |
| WO2018233171A1 (zh) * | 2017-06-23 | 2018-12-27 | 平安科技（深圳）有限公司 | 单证信息录入的方法、装置、计算机设备及存储介质 |
| CN109308476A (zh) * | 2018-09-06 | 2019-02-05 | 邬国锐 | 票据信息处理方法、系统及计算机可读存储介质 |
| CN109389124A (zh) * | 2018-10-29 | 2019-02-26 | 苏州派维斯信息科技有限公司 | 小票信息类目识别方法 |
| CN109426815A (zh) * | 2017-08-22 | 2019-03-05 | 顺丰科技有限公司 | 一种票据区域旋转和切分方法、系统、设备 |
| CN109492641A (zh) * | 2018-09-18 | 2019-03-19 | 上海延华智能科技（集团）股份有限公司 | 基于图像识别的能源账单输入方法及系统、存储介质、服务器 |
| CN109657665A (zh) * | 2018-10-31 | 2019-04-19 | 广东工业大学 | 一种基于深度学习的发票批量自动识别系统 |
| CN109740548A (zh) * | 2019-01-08 | 2019-05-10 | 北京易道博识科技有限公司 | 一种报销票据图像分割方法及系统 |
| CN110232045A (zh) * | 2019-05-27 | 2019-09-13 | 广州润普网络科技有限公司 | 一种电子卷宗图像处理方法 |
| CN110427853A (zh) * | 2019-07-24 | 2019-11-08 | 北京一诺前景财税科技有限公司 | 一种智能票据信息提取处理的方法 |
| CN110599665A (zh) * | 2018-06-13 | 2019-12-20 | 深圳兆日科技股份有限公司 | 纸纹识别方法、装置、计算机设备和存储介质 |
| CN110619056A (zh) * | 2019-06-19 | 2019-12-27 | 深圳壹账通智能科技有限公司 | 发票录入方法、装置、设备及计算机存储介质 |
| CN110634222A (zh) * | 2019-08-27 | 2019-12-31 | 河海大学 | 一种银行票据信息识别方法 |
| CN110765910A (zh) * | 2019-10-14 | 2020-02-07 | 西安网算数据科技有限公司 | 一种密集场景下的票据区域识别方法及装置 |
| CN111027443A (zh) * | 2019-12-04 | 2020-04-17 | 华南理工大学 | 一种基于多任务深度学习的票据文本检测方法 |
| CN111461100A (zh) * | 2020-03-31 | 2020-07-28 | 重庆农村商业银行股份有限公司 | 一种票据识别方法、装置、电子设备和存储介质 |
| CN112487970A (zh) * | 2020-11-30 | 2021-03-12 | 国网江西省电力有限公司检修分公司 | 一种电厂两票系统pdf文档识别文字方法 |
| CN112634229A (zh) * | 2020-12-22 | 2021-04-09 | 北京华宇信息技术有限公司 | 图像去除黑边的方法 |
| TWI745068B (zh) * | 2020-09-02 | 2021-11-01 | 中國信託商業銀行股份有限公司 | 印鑑辨識模型建立方法及用於建立印鑑辨識模型的伺服端 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1265498A (zh) * | 1999-02-22 | 2000-09-06 | 株式会社日立制作所 | 自动处理系统和处理装置以及处理方法 |
| US20070206884A1 (en) * | 2006-03-03 | 2007-09-06 | Masahiro Kato | Image processing apparatus, recording medium, computer data signal, and image processing method |
| CN101183430A (zh) * | 2007-12-13 | 2008-05-21 | 中国科学院合肥物质科学研究院 | 一种基于模块神经网络sn9701矩阵列的手写体数字自动识别方法 |
-
2013
- 2013-03-15 CN CN2013100823220A patent/CN103208004A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1265498A (zh) * | 1999-02-22 | 2000-09-06 | 株式会社日立制作所 | 自动处理系统和处理装置以及处理方法 |
| US20070206884A1 (en) * | 2006-03-03 | 2007-09-06 | Masahiro Kato | Image processing apparatus, recording medium, computer data signal, and image processing method |
| CN101183430A (zh) * | 2007-12-13 | 2008-05-21 | 中国科学院合肥物质科学研究院 | 一种基于模块神经网络sn9701矩阵列的手写体数字自动识别方法 |
Non-Patent Citations (3)
| Title |
|---|
| 信欣: "金融票据版面的自动识别技术研究与原型系统设计", 《中国优秀硕士学位论文全文数据库 信息科技辑 》 * |
| 贾彦金: "票据印刷号码自动识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 靖文书: "海天背景下基于AdaBoost的红外目标检测", 《中国优秀硕士学位论文全文数据库 信息科技辑 》 * |
Cited By (71)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103428438A (zh) * | 2013-08-05 | 2013-12-04 | 移康智能科技(上海)有限公司 | 网络摄像机的网络参数设定方法及网络摄像机 |
| CN103606220B (zh) * | 2013-12-10 | 2017-01-04 | 江苏国光信息产业股份有限公司 | 一种基于白光图像及红外图像的支票印刷体数字识别方法 |
| CN103606220A (zh) * | 2013-12-10 | 2014-02-26 | 江苏国光信息产业股份有限公司 | 一种基于白光图像及红外图像的支票印刷体数字识别系统及其方法 |
| CN105320951A (zh) * | 2014-06-23 | 2016-02-10 | 株式会社日立信息通信工程 | 光学字符识别装置以及光学字符识别方法 |
| CN105320951B (zh) * | 2014-06-23 | 2018-11-20 | 株式会社日立信息通信工程 | 光学字符识别装置以及光学字符识别方法 |
| CN105788064A (zh) * | 2014-12-26 | 2016-07-20 | 山东新北洋信息技术股份有限公司 | 票据鉴别方法及装置 |
| CN105788064B (zh) * | 2014-12-26 | 2020-05-12 | 山东新北洋信息技术股份有限公司 | 票据鉴别方法及装置 |
| CN105809157A (zh) * | 2014-12-29 | 2016-07-27 | 北京鸿合智能系统股份有限公司 | 答题卡建模方法和装置 |
| CN104732231A (zh) * | 2015-04-13 | 2015-06-24 | 广州广电运通金融电子股份有限公司 | 一种有价票据的识别方法 |
| WO2016165574A1 (zh) * | 2015-04-13 | 2016-10-20 | 广州广电运通金融电子股份有限公司 | 一种有价票据的识别方法 |
| CN104732231B (zh) * | 2015-04-13 | 2019-02-26 | 广州广电运通金融电子股份有限公司 | 一种有价票据的识别方法 |
| CN104866849A (zh) * | 2015-04-30 | 2015-08-26 | 天津大学 | 一种基于移动终端的食品营养成分标签识别方法 |
| CN104916032A (zh) * | 2015-05-28 | 2015-09-16 | 浪潮软件集团有限公司 | 一种基于银行自助服务的票据处理设备 |
| CN104951762A (zh) * | 2015-06-15 | 2015-09-30 | 深圳市银之杰科技股份有限公司 | 一种防票据抽换方法及防票据抽换系统 |
| CN104966348A (zh) * | 2015-06-18 | 2015-10-07 | 辰通智能设备(深圳)有限公司 | 一种票据图像要素完整性检测方法及系统 |
| CN104952143A (zh) * | 2015-06-18 | 2015-09-30 | 辰通智能设备(深圳)有限公司 | 一种票据图像红水线变色检测方法及系统 |
| CN104966348B (zh) * | 2015-06-18 | 2017-10-24 | 深圳辰通智能股份有限公司 | 一种票据图像要素完整性检测方法及系统 |
| CN105069898B (zh) * | 2015-07-15 | 2018-03-30 | 广州敦和信息技术有限公司 | 一种发票字条自动定位的方法及装置 |
| CN105045780B (zh) * | 2015-07-15 | 2017-12-26 | 广州敦和信息技术有限公司 | 一种发票字条语义信息的识别方法及装置 |
| CN105069898A (zh) * | 2015-07-15 | 2015-11-18 | 广州敦和信息技术有限公司 | 一种发票字条自动定位的方法及装置 |
| CN105045780A (zh) * | 2015-07-15 | 2015-11-11 | 广州敦和信息技术有限公司 | 一种发票字条语义信息的识别方法及装置 |
| CN105320952A (zh) * | 2015-10-15 | 2016-02-10 | 广东广信通信服务有限公司 | 一种基于ocr的行驶证信息识别方法 |
| CN105320952B (zh) * | 2015-10-15 | 2018-06-05 | 广东广信通信服务有限公司 | 一种基于ocr的行驶证信息识别方法 |
| CN106845473B (zh) * | 2015-12-03 | 2020-06-02 | 富士通株式会社 | 用于确定图像是否为带地址信息的图像的方法和装置 |
| CN106845473A (zh) * | 2015-12-03 | 2017-06-13 | 富士通株式会社 | 用于确定图像是否为带地址信息的图像的方法和装置 |
| CN105654072A (zh) * | 2016-03-24 | 2016-06-08 | 哈尔滨工业大学 | 一种低分辨率医疗票据图像的文字自动提取和识别系统与方法 |
| CN105654072B (zh) * | 2016-03-24 | 2019-03-01 | 哈尔滨工业大学 | 一种低分辨率医疗票据图像的文字自动提取和识别系统与方法 |
| CN107346580A (zh) * | 2016-05-05 | 2017-11-14 | 腾讯科技（深圳）有限公司 | 票据信息识别方法及装置 |
| CN107346580B (zh) * | 2016-05-05 | 2019-11-05 | 腾讯科技（深圳）有限公司 | 票据信息识别方法及装置 |
| CN106096667A (zh) * | 2016-07-26 | 2016-11-09 | 江苏鸿信系统集成有限公司 | 基于svm的票据图像分类方法 |
| CN106803308B (zh) * | 2016-12-29 | 2019-04-12 | 长江大学 | 多色补偿扫描方法及应用、以及应用系统 |
| CN106803308A (zh) * | 2016-12-29 | 2017-06-06 | 长江大学 | 多色补偿扫描方法及应用、以及应用系统 |
| CN106846011A (zh) * | 2016-12-30 | 2017-06-13 | 金蝶软件（中国）有限公司 | 营业执照识别方法和装置 |
| CN107622263A (zh) * | 2017-02-20 | 2018-01-23 | 平安科技（深圳）有限公司 | 单据图像的字符识别方法和装置 |
| CN107622263B (zh) * | 2017-02-20 | 2018-08-21 | 平安科技（深圳）有限公司 | 单据图像的字符识别方法和装置 |
| CN107133621B (zh) * | 2017-05-12 | 2020-09-29 | 中电鸿信信息科技有限公司 | 基于ocr的格式化传真的分类和信息提取方法 |
| CN107133621A (zh) * | 2017-05-12 | 2017-09-05 | 江苏鸿信系统集成有限公司 | 基于ocr的格式化传真的分类和信息提取方法 |
| CN107194400A (zh) * | 2017-05-31 | 2017-09-22 | 北京天宇星空科技有限公司 | 一种财务报销全票据图片识别处理方法 |
| WO2018233171A1 (zh) * | 2017-06-23 | 2018-12-27 | 平安科技（深圳）有限公司 | 单证信息录入的方法、装置、计算机设备及存储介质 |
| CN107451569A (zh) * | 2017-08-04 | 2017-12-08 | 深圳易嘉恩科技有限公司 | 一种自动识别并裁切扫描件中票据的方法 |
| CN109426815B (zh) * | 2017-08-22 | 2022-05-10 | 顺丰科技有限公司 | 一种票据区域旋转和切分方法、系统、设备 |
| CN109426815A (zh) * | 2017-08-22 | 2019-03-05 | 顺丰科技有限公司 | 一种票据区域旋转和切分方法、系统、设备 |
| CN107516085B (zh) * | 2017-09-01 | 2024-01-26 | 山西同方知网数字出版技术有限公司 | 一种基于文档图像自动去除黑边的方法 |
| CN107516085A (zh) * | 2017-09-01 | 2017-12-26 | 山西同方知网数字出版技术有限公司 | 一种基于文档图像自动去除黑边的方法 |
| CN108319917A (zh) * | 2018-02-02 | 2018-07-24 | 杭州清本科技有限公司 | 证书图像中关键信息增强方法、装置及系统、存储介质 |
| CN108830133A (zh) * | 2018-04-17 | 2018-11-16 | 平安科技（深圳）有限公司 | 合同影像图片的识别方法、电子装置及可读存储介质 |
| CN108830133B (zh) * | 2018-04-17 | 2020-02-21 | 平安科技（深圳）有限公司 | 合同影像图片的识别方法、电子装置及可读存储介质 |
| CN110599665A (zh) * | 2018-06-13 | 2019-12-20 | 深圳兆日科技股份有限公司 | 纸纹识别方法、装置、计算机设备和存储介质 |
| CN108921166A (zh) * | 2018-06-22 | 2018-11-30 | 深源恒际科技有限公司 | 基于深度神经网络的医疗票据类文本检测识别方法及系统 |
| CN109308476B (zh) * | 2018-09-06 | 2019-08-27 | 邬国锐 | 票据信息处理方法、系统及计算机可读存储介质 |
| CN109308476A (zh) * | 2018-09-06 | 2019-02-05 | 邬国锐 | 票据信息处理方法、系统及计算机可读存储介质 |
| CN109492641A (zh) * | 2018-09-18 | 2019-03-19 | 上海延华智能科技（集团）股份有限公司 | 基于图像识别的能源账单输入方法及系统、存储介质、服务器 |
| CN109389124A (zh) * | 2018-10-29 | 2019-02-26 | 苏州派维斯信息科技有限公司 | 小票信息类目识别方法 |
| CN109389124B (zh) * | 2018-10-29 | 2019-09-13 | 苏州派维斯信息科技有限公司 | 小票信息类目识别方法 |
| CN109657665B (zh) * | 2018-10-31 | 2023-01-20 | 广东工业大学 | 一种基于深度学习的发票批量自动识别系统 |
| CN109657665A (zh) * | 2018-10-31 | 2019-04-19 | 广东工业大学 | 一种基于深度学习的发票批量自动识别系统 |
| CN109740548A (zh) * | 2019-01-08 | 2019-05-10 | 北京易道博识科技有限公司 | 一种报销票据图像分割方法及系统 |
| CN109740548B (zh) * | 2019-01-08 | 2020-12-08 | 北京易道博识科技有限公司 | 一种报销票据图像分割方法及系统 |
| CN110232045A (zh) * | 2019-05-27 | 2019-09-13 | 广州润普网络科技有限公司 | 一种电子卷宗图像处理方法 |
| CN110232045B (zh) * | 2019-05-27 | 2023-08-11 | 广州润普网络科技有限公司 | 一种电子卷宗图像处理方法 |
| CN110619056A (zh) * | 2019-06-19 | 2019-12-27 | 深圳壹账通智能科技有限公司 | 发票录入方法、装置、设备及计算机存储介质 |
| CN110427853A (zh) * | 2019-07-24 | 2019-11-08 | 北京一诺前景财税科技有限公司 | 一种智能票据信息提取处理的方法 |
| CN110634222B (zh) * | 2019-08-27 | 2021-07-09 | 河海大学 | 一种银行票据信息识别方法 |
| CN110634222A (zh) * | 2019-08-27 | 2019-12-31 | 河海大学 | 一种银行票据信息识别方法 |
| CN110765910A (zh) * | 2019-10-14 | 2020-02-07 | 西安网算数据科技有限公司 | 一种密集场景下的票据区域识别方法及装置 |
| CN111027443A (zh) * | 2019-12-04 | 2020-04-17 | 华南理工大学 | 一种基于多任务深度学习的票据文本检测方法 |
| CN111027443B (zh) * | 2019-12-04 | 2023-04-07 | 华南理工大学 | 一种基于多任务深度学习的票据文本检测方法 |
| CN111461100A (zh) * | 2020-03-31 | 2020-07-28 | 重庆农村商业银行股份有限公司 | 一种票据识别方法、装置、电子设备和存储介质 |
| TWI745068B (zh) * | 2020-09-02 | 2021-11-01 | 中國信託商業銀行股份有限公司 | 印鑑辨識模型建立方法及用於建立印鑑辨識模型的伺服端 |
| CN112487970A (zh) * | 2020-11-30 | 2021-03-12 | 国网江西省电力有限公司检修分公司 | 一种电厂两票系统pdf文档识别文字方法 |
| CN112634229A (zh) * | 2020-12-22 | 2021-04-09 | 北京华宇信息技术有限公司 | 图像去除黑边的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103208004A (zh) | 票据信息区域自动识别和提取方法及设备 | |
| Saxena | Niblack’s binarization method and its modifications to real-time applications: a review | |
| CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
| CN110119741A (zh) | 一种有背景的卡证图像信息识别方法 | |
| CN104484643A (zh) | 一种手写表格的智能识别方法及系统 | |
| Roy et al. | Fractional poisson enhancement model for text detection and recognition in video frames | |
| Cerman et al. | A mobile recognition system for analog energy meter scanning | |
| Liu et al. | Stroke filter for text localization in video images | |
| Kumar | An efficient text extraction algorithm in complex images | |
| Dong et al. | A parallel thinning algorithm based on stroke continuity detection | |
| CN114581928A (zh) | 一种表格识别方法及系统 | |
| Shi et al. | Image enhancement for degraded binary document images | |
| Chowdhury et al. | Scene text detection using sparse stroke information and MLP | |
| Al-Shatnawi | A skew detection and correction technique for Arabic script text-line based on subwords bounding | |
| Rajithkumar et al. | Template matching method for recognition of stone inscripted Kannada characters of different time frames based on correlation analysis | |
| Singh et al. | Efficient binarization technique for severely degraded document images | |
| Sathya et al. | Vehicle license plate recognition (vlpr) | |
| Sushma et al. | Text detection in color images | |
| Siddiqua et al. | A combined edge and connected component based approach for Kannada text detection in images | |
| Ismail et al. | Detection and recognition via adaptive binarization and fuzzy clustering | |
| Salagar et al. | Analysis of PCA usage to detect and correct skew in document images | |
| Ma et al. | The study of binarization algorithm about digital rubbings image based on threshold segmentation and morphology | |
| Li et al. | Bank Card Number Identification Based on Template Matching Method | |
| Soumya et al. | Enhancement and segmentation of historical records | |
| Shekar | Skeleton matching based approach for text localization in scene images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130717 |
|
| WD01 | Invention patent application deemed withdrawn after publication |