一种版面信息识别的方法及装置

摘要

本发明提供一种版面信息识别方法，包括：读取待识别版面，分离字符文本对象与图像对象，合并文本块，将图像对象保留为图像块；从合并的文本块中识别出图注文本块；利用优化方法对图像块和图注文本块进行最优匹配，从而获得相关联的图像块与图注文本块；从所述版面的文本块中去掉图注文本块，并确定其余文本块和图像块的阅读顺序；在阅读顺序中将图注文本块插回到相关联的图像块之后。相应地，本发明提供一种版面信息识别装置。本发明将版面上的全部图像和图注综合考虑，通过最优匹配方法获得图像与图注的全局最优匹配，不受图像与图注数目以及它们之间空间样式的限制，能够从全局上找到最优的关联关系，从而改进现有的版面阅读顺序识别效果。

主权项

一种改进版面阅读顺序识别效果的方法，包括以下步骤：读取待识别版面，分离该版面中的字符文本对象与图像对象，并将字符文本对象合并成文本块，将图像对象保留为图像块；从合并的文本块中识别出图注文本块；利用优化方法对图像块和图注文本块进行最优匹配，从而获得相关联的图像块与图注文本块；从所述版面的文本块中去掉图注文本块，并确定其余文本块和图像块的阅读顺序；在阅读顺序中将图注文本块插回到相关联的图像块之后。