文档版面分析是一种对文档的结构进行拆解、分析和理解的一项基本文档图像处理技术。该技术在人机交互、文档智能化理解、机器翻译等领域有重要的需求,是模式识别与文档理解领域的热门研究方向。现实生活中的文档种类繁多,包括杂志书本、古籍文档、票据文档、图表文档和手写文档等,不同类型的文档特点不同,应用场景也不同,因而对其进行版面分析的任务和目标也不同。针对复杂多场景的文档版面分析任务,研究的主要挑战是要处理种类繁多的文档,并且现实场景中的文档往往还有图片质量低下、外观变形、排版自由等问题。为了解决复杂多场景的文档版面分析问题,本文主要从数据集和算法设计两个角度出发进行了相关研究。本文的创新和主要工作总结如下:（1）针对目前真实场景下手写文档数据集的稀缺问题,本文构建并公开了首个自然拍照手写数据集SCUT-HCCDoc。拍照场景下的文档图片样式更加多样,手写文本样式更加丰富,对于研究现实场景的手写文档分析识别具有重要意义。本文从图片、文本、字符三个层次上分析了SCUT-HCCDoc数据的多样性,并给出了手写文本检测、识别、端到端识别三种任务上几种主流方法的基准实验结果。实验结果验证了SCUT-HCCDoc数据的多样性,以及拍照手写文档分析识别任务的挑战性。（2）针对目前已有文档版面分割方法只能针对某一种类型的文档,以及在复杂文档上性能较差的问题,本文提出了一种可以解决包括杂志、古籍、拍照和手写等场景下文档的页面级、区域级、笔画级分割任务的版面分析新方法DADSeg。该方法基于语义分割（Semantic Segmentation）的思路设计,结合了可变形注意力机制和Transformer编码器结构,不仅在分割精度上取得了一定的提升,还能适应多种分割任务。（3）针对已有方法在复杂图表文档分析任务上的不足,本文提出了一种图表文档面板分析方法De Match。De Match结合了目标检测模型、关键点分割模型,以及基于矩形拓展和基于最高交并比（Intersection Over Union,Io U）的图表面板元素与文本匹配模块,可以适用于直方图、折线图、散点图等多种常见的图表文档的面板分析理解任务。综上所述,本文的工作主要围绕手写文档、杂志、古籍文档和图表文档在内的复杂多场景文档的版面分析展开研究,完善了相关文档数据集,并提出了相关新方法。