印刷体表格识别技术的研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

本课题的意义、国内外研究概况、应用前景等（列出主要参考文献）选题的目的及意义 21世纪是信息时代，随着电脑的普及以及各种电子产品的应用，经常会有人猜想电子图书或文档是否会取代纸质文档，虽然说这并不怎么现实，但是这种猜想的出现也正体现了电子文档应用的普遍性。

在现代社会中，电子信息由于其存储简单和可靠成为信息存储的主要形式，那么从纸质文档转化为电子信息的存储和识别也就十分重要了，其中表格作为信息高度集中的存储形式，它的识别更是信息识别的重中之重。

本课题在国内外的研究状况及发展趋势ocr（光学字符识别）技术是通过扫描仪等光学输入方式将各种图书、期刊、文献、档案等纸质文档转化成电子图像，并运用光学字符识别（ocr）技术分割目标图像中的待处理信息，并对其进行相应的识别[1][2]。

2. 研究的基本内容和问题

研究的目标：通过对该课题的研究，研究一种对印刷体表格有效识别的软件，为纸质文档转化为电子文档提供有效可靠地支持，能够快速有效的提取表格文档的有效信息。

采用交点特征和交点轨迹法提取表格单元，并形成闭环区域。

然后利用数学形态学的方法除去表格线，使我们可以获取表格图像中的数据信息，利用 ocr 技术完成数据的识别，并将其写入已经提取的表格框架中，完成表格图像的重绘。

3. 研究的方法与方案

实验方案：本课题将实现对印刷体文档扫描之后的表格区域的识别。

先用扫描仪扫描图像，然后对图像进行灰度化处理得到灰度位图，在对图像进行二值化处理之后进行图像的倾斜校正，然后进行表格区域的定位，至此图像的预处理完成。

用投影法与直线搜索相结合的直线检测法进行表格线的检测，检测到表格线之后，进行表格线细化和校正，利用光学字符识别系统（即 ocr）完成表格内信息的识别，最后将所有的文本信息整理，并写入已获得的表格框架中，完成整个表格的重绘。

4. 研究创新点

创新之处：通过对该课题的研究，开发一种快速高效的识别印刷体表格文档的软件，有助于纸质文档快速可靠的转化为电子信息存储。

5. 研究计划与进展

研究计划及预期进展：第一阶段：了解确立课题阶段2015年1月1日-1月6日：了解有关表格识别方面的知识，并且确立课题，撰写开题答辩报告和幻灯片。

第二阶段：学习阶段3月1日-3月30日：学习图像处理方面的知识以及如何在matlab环境下实现第三阶段：编写代码实现阶段1） 4月1日-4月10日：在matlab上编写实现图像预处理部分的代码2） 4月11日-4月30日：在matlab上编写表格线检测校正以及重绘部分的代码，并且与前面的代码整合起来。

第四阶段：论文撰写1） 5月1日-5月10日：论文撰写并提交初稿2） 5月11日-5月15日：论文修改并定稿