基于游程聚类的表格框线检测算法

• 作者: 崔喆 白伟
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 表格识别 框线检测 表格线游程 层次聚类
• 年，卷（期）: 2018,（z1）
• 所属期刊栏目: 虚拟现实与多媒体技术
• 页码范围: 179-182
• 页数: 4页
• 分类号: TP391.41
• 字数: 5107字
• 语种: 中文

摘要

现有的基于游程的表格框线检测算法检测速度快,但对于复杂表格框线检测质量不高,甚至出现大量错误.提出一种基于游程层次聚类的表格框线检测算法.首先,把可能属于同一条横线或纵线的游程划分到一个游程组,定义了两条框之间的相似度;然后以这组游程为初始原子类,通过层次聚类迭代地选择相似度最大的两条横线或纵线合并为一条框线.当相似度最大的两条框线相似度小于预先设定的一个阈值或仅剩下一条框线时迭代停止.针对图像中的标题和说明段等文字信息形成的线条,提出亲属表格线的概念,删除不包含两条亲属表格线的线段,最后对提取的框线进行二次提取.为了对算法加速,提出对各游程组并行聚类.实验结果表明,该算法相比现有算法对一些复杂表格的框线识别率提高了50％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白伟	中国科学院成都计算机应用研究所	4	108	3.0	4.0
5	崔喆	中国科学院成都计算机应用研究所	21	133	7.0	11.0