书刊以及报表等印刷体文档图像的识别,是模式识别的一个重要分支。字符识别的技术已经较为成熟,在市场上已有比较多的商业产品。而对于印刷体表格图像的识别技术还有待进一步完善。现有的方法在识别时对图片的规整度要求高、鲁棒性差,并且多数识别系统是基于PC端。随着移动互联网的发展,PC端的系统已经不能满足需求。本文在分析研究国内外的相关技术以及产品现状的基础上,针对表格图像的预处理方法、闭合印刷体表格的识别、印刷体表格中汉字的识别以及基于Android的表格识别软件设计展开研究,最终实现了鲁棒性较高的表格识别系统,并完成了移动端系统的开发。论文完成的主要工作如下:1.对表格图像的预处理算法进行了研究,通过优化的二值化算法对文档图像进行二值化;根据表格不同的倾斜情况,对文档图像分别进行倾斜校正和透视校正;应用基于形态学的图像算法对表格区域进行识别定位,并将得到的表格框线进行细化。2.提出了基于轮廓互斥筛选的单元格定位算法,该算法能够准确地找出每一个细分单元格的具体位置,并将该部分ROI送到识别器进行识别,提高了单元格识别定位的效率。3.设计基于深度神经网络的印刷体汉字识别算法,对提取后的表格单元格整体进行识别并返回结果,避免了行列字符分割操作,减少了分割引入的干扰,实验结果表明所设计的基于深度神经网络的印刷体汉字识别算法能达到96%的准确率。4.利用C++实现了设计的表格识别算法,利用JNI技术将其调用集成到Android系统中,提高了算法的执行效率和可移植性,设计了友好的App交互界面,完成了基于Android端的软件开发,实现了基于移动端的表格识别系统。论文在以上算法的基础上,实现了基于Android系统的印刷体表格的识别系统。经过实验验证,设计的表格识别系统在自然场景下获取表格图像,能够极好地识别高质量的表格,对扭曲以及质量较差的表格识别率为81%,高于商业化表格识别软件。