论文部分内容阅读
增值税发票是商业活动中的会计凭证和完税凭证。为了方便发票信息的存储、传输与查账,需要将纸质增值税发票上的信息,录入计算机数据库存储。增值税发票自动识别算法是通过项目定位、字符分割和字符识别等处理过程,将增值税发票上的信息提取出来,解决传统的由人工输入信息带来的巨大工作量和效率低下的问题。而随着移动设备的普及,针对移动设备设计的增值税发票识别算法,通过在移动设备上随时、随地获取增值税发票信息,提高企业和个人获取信息的便捷性,为远程报账和计税提供便利。本文以移动设备拍摄的增值税发票图像作为研究对象,提取发票中的所有机打信息,主要工作如下:1)给出了发票检测和项目定位算法本文通过对发票的版面结构和内容进行分析,将增值税发票以矩形框为界,分为了矩形框外部区域和矩形框内部区域。首先对矩形框采用多尺度模板匹配算法,将发票矩形框的位置定位出来;然后针对矩形框外部区域,采用基于与矩形框相对位置关系的方法进行发票项目区域的定位;针对矩形框内部区域,采用场景文本检测算法,结合连通域分析的方法进行项目区域定位。2)给出了增值税发票的字符分割算法本文针对增值税发票的字符粘连和字符不连通这两个分割问题给出了综合解决方案。首先使用传统的字符分割算法,对字符进行初步分割;然后针对粘连字符,使用滴水算法,将字符尽量过分割;最后使用基于识别反馈的字符识别算法,将不连通字符与过分割字符不断合并与识别,并将识别置信度反馈给合并程序,直至得到识别置信度最高的合并方式,即为字符分割最佳结果。3)给出了针对形近字的字符识别算法本文分析了形近字的字形结构特点,给出了字符分块方法和是否存在形近字的判断方法。首先通过初步匹配结果判断当前字符是否存在形近字,对于形近字符,采用能够放大形近字差异的字符分块识别算法;对于非形近字,利用加权kNN算法优化识别结果。之后将识别置信度反馈给分割程序,进行分割优化。为验证增值税发票自动识别算法的性能,本文采集了 56张不同环境下的增值税发票图像,待定位区域为1334行,总字符数为15191个。对以上发票进行识别测试并统计实验结果,本文算法的项目定位正确率为97.53%,字符分割正确率为98.13%,字符识别正确率达到了 96.55%,其中汉字识别正确率为96.25%,数字及英文字母识别正确率为95.67%,其他符号的识别正确率为99.37%;考虑发票票面所有字符,字符的全局识别正确率为93.63%。