目前得益于高分辨率的扫描设备和成熟的计算机技术,一些可获得的OCR软件识别系统可以在大多数场景中为用户提供简单的文字识别任务。但仅仅是对文档中文字进行识别是不够的,最新的研究方向是扩大文字识别的使用范围,希望能够将文档中的关键信息进行提取,其中一个典型的实际运用场景就是将票据中的重要信息进行提炼,将其中重点关注的信息进行提取,例如价格,商品名,店铺等,以便于后续的进一步筛选。文档图像的信息提取是文档信息处理系统的重要组成部分,以及对复杂文档中的文字进行高效识别所必不可少的环节,同时也是将纸质文档转换为电子文档的必须阶段,也是文档信息内容分析不可或缺的部分。本文结合现有的方法,设计了一种结合检测和识别模型的方式对文档图像中的重要文字信息进行提取。本文的主要工作内容有:（1）文字检测模块,本文基于Mask R-CNN的检测模型,针对图像中的文字特点,对特征提取阶段的结构进行优化,丰富了提取到的特征的表现能力,提高了检测的召准率。同时,本文针对训练使用的数据集中图像较少的情况,通过首先在现有的合成数据集上进行预训练,然后再将预训练模型在实际拍摄到的真实图像中进行微调训练,实现对真实图片中的文字的有效检测并在wildreceipt数据集上得到了91.56%和85.03%的准确率和召回率。（2）文字识别模块,本文在Encoder-Decoder+Attention的文字识别模型的基础上,针对网络层数加深导致的特征语义信息降低的情况,提出了基于特征融合的特征增强网络来增强提取到的图片特征的表现能力,从而进一步提高文字识别的准确率并且在wildreceipt数据集中识别准确率提高了2.13%。（3）信息融合提取模块,本文针对提取到的不同结构的信息的结构化问题,提出了信息结构化模块用来将不同模态的数据进行结构化处理便于后续的统一计算。最后通过分类的思想对每个文本行进行分类,确定出需要提取的类别。此外,针对分类阶段的特征融合,提出了视觉和文本的特征融合网络,以更好地利用提取到的各种模态的信息,提高分类效果,最终在wildreceipt数据集上与对比的方法分别提高了20.3%、21.6%、3.1%、1.0%。