随着计算机技术、电子技术和人工智能等技术的飞速发展,OCR技术的发展成熟,越来越多的国内外专家学者关注着文档图像的自动处理。文档图像的自动处理主要包括文档图像的版面分析与版面理解(Document Layout Understanding)和OCR识别。版面分析与版面理解主要完成对文档图像的分割,分类等处理,以便将文字区作为OCR系统的有效输入。本文以文本版面分析为课题,主要研究对象为一种复杂的文档版面。本文研究的目的是,通过版面分析,能够将文档版面根据其复杂度进行分割,将版面划分出嵌入的图表或图像以及主体版面的各个段落、标题；在进行版面分析之前,先对输入的文档进行去噪处理和倾斜校正。在版面分析方面,本文采用复杂度分析的算法思想,对连通域进行搜索,结合版面先验知识,分析并提取异常于文字部分的连通域的,并对此部分进行投影分析,根据该部分的投影特征及连通域的形状,分析出该部分是图形、表格还是文本,对于剩余的文档部分,采用投影算法,设定自适应的阈值,划分版面的各个段落及标题；此法运算量较小,算法效率较高。