买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖北微模式科技发展有限公司

摘要：本发明公开一种基于字频的文档图像分类方法，涉及文档图像分类技术领域，包括文档图像注册和未知类型的待分类文档图像分类两个步骤。本发明每种文档图像只需要一张样本（即示例文档图像）即可完成文档图像注册，特别的，对于表格类型的文档图像，只需要一张空白的表格即可；提升对各种原因造成的文本行检测算法的错误（误报和漏报）的鲁棒性；提升对各种原因造成的文本行识别算法的错误（误识和漏识）的鲁棒性；能适应增加新的文档图像类型。

主权项：1.一种基于字频的文档图像分类方法，其特征在于，包括文档图像注册和未知类型的待分类文档图像分类两个步骤；文档图像注册包括以下步骤：步骤10，对每一类的文档图像获得一幅示例文档图像，组成示例文档图像集，为第类文档图像的示例文档图像；步骤11，使用示例文档图像统计所有文档图像的标题字符集；步骤12，统计每一类文档图像的注册标题字频；步骤13，当有新增的文档图像类型时，更新所有文档图像的标题字符集和每一类文档图像的注册标题字频；步骤14，使用示例文档图像统计所有文档图像的键字符集；步骤15，统计每一类文档图像的注册键字频；步骤16，当有新增的文档图像类型时，更新所有文档图像的键字符集和每一类文档图像的注册键字频；未知类型的待分类文档图像分类包括以下步骤：步骤20，对待分类文档图像进行文本行检测与文本行识别；步骤21，把文本行检测结果分为标题和正文两个类型；步骤22，获得待分类文档图像的标题字频；步骤23，获得待分类文档图像的键字频；步骤24，基于注册标题字频和待分类文档图像的标题字频之间的余弦距离、注册键字频和待分类文档图像的键字频之间的余弦距离来计算分数，并基于分数分析得到文档图像分类的类型标签结果；步骤24采用以下逻辑进行分类：设定max_score=0,max_id=-1；逐一遍历N类文档图像；对于第i类文档图像，如果待分类文档图像和第i类文档图像都具有标题，则把标题相似度score_t赋值为待分类文档图像的标题字频u和第i类的注册标题字频的余弦距离，否则score_t赋值为0；如果待分类文档图像和第i类文档图像都具有键，则把键相似度score_k赋值为待分类文档图像的键字频v和第i类的注册键字频的余弦距离；分四种情况计算待分类文档图像和第i类文档图像的相似度score，如果score_t0并且score_k0则score=score_t+score_k2，如果score_t0并且score_k==0则score=score_t，如果score_t==0并且score_k0则score=score_k，如果score_t==0并且score_k==0则score=0；如果待分类文档图像和第i类文档图像的相似度score大于max_score,则更新max_score为score，并记录当前类别序号max_id=i；迭代处理每一类文档图像，直至得到待分类文档图像的类别。

全文数据：

权利要求：

百度查询： 湖北微模式科技发展有限公司 一种基于字频的文档图像分类方法