[发明专利]文件中图片标注信息识别方法、装置及服务器

说明书

本发明公开了一种文件中图片标注信息识别方法、装置、服务器及计算机存储介质。本发明先对文件中的文本对象进行文字样式聚类分析，得到具有不同文字样式的多个第一文本对象集合，从多个第一文本对象集合中过滤掉正文文本对象集合，针对每个图片页面，筛选得到至少一个第二文本对象集合，不仅可以节省验证资源，而且还提升了文件中图片标注信息的识别速率，针对每一个第二文本对象集合，对属于该文字样式的文本对象进行有效性验证，可以进一步提升图片与图片标注信息关联的准确性。利用本发明提供的技术方案，能够准确地将图片标注信息与图片关联在一起，保证关联后的文本对象能够正确地对图片进行解释和说明。

技术领域

本发明涉及信息处理技术领域，具体涉及一种文件中图片标注信息识别 方法、装置、服务器及计算机存储介质。

背景技术

随着网络技术的发展，人们可以通过不同的设备、不同的途径获得各种 各样的电子文件，这些电子文件极大地丰富了人们的工作和生活内容。

很多时候，需要对电子文件进行重新排版，对于包含图片的文件，文件 中一般还会包含图片的标注信息。然而，在现有技术的排版过程中，图片的 标注信息的识别准确率较低，而且很容易将图片标注信息与图片错误地关联 在一起，或者将文件中非图片标注信息与图片错误地关联在一起，导致关联 后的文本并不能正确地对图片进行解释和说明，从而影响用户的阅读，进而 影响文件的浏览量。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分 地解决上述问题的文件中图片标注信息识别方法、文件中图片标注信息识别 装置、服务器和计算机存储介质。

根据本发明的一个方面，提供了一种文件中图片标注信息识别方法，包 括：

对文件中的文本对象进行文字样式聚类分析，得到具有不同文字样式的 多个第一文本对象集合；

从多个第一文本对象集合中过滤掉正文文本对象集合；

遍历文件的所有页面，查询到所有页面中包含图片的图片页面；

针对每个图片页面，筛选得到至少一个第二文本对象集合；

针对每一个第二文本对象集合，对属于该文字样式的文本对象进行有效 性验证，判断该文字样式是否是图片标注信息的文字样式，若没通过有效性 验证，则将属于该文字样式的第二文本对象集合过滤掉；

从未被过滤掉的第二文本对象集合中提取出文本对象，根据文本对象与 图片的相对位置关系确定文本对象与图片的关联关系。

根据本发明的另一方面，提供了一种文件中图片标注信息识别装置，包 括：

聚类分析模块，适于对文件中的文本对象进行文字样式聚类分析，得到 具有不同文字样式的多个第一文本对象集合；

过滤模块，适于从多个第一文本对象集合中过滤掉正文文本对象集合；

查询模块，适于遍历文件的所有页面，查询到所有页面中包含图片的图 片页面；

筛选模块，适于针对每个图片页面，筛选得到至少一个第二文本对象集 合；

验证模块，适于针对每一个第二文本对象集合，对属于该文字样式的文 本对象进行有效性验证，判断该文字样式是否是图片标注信息的文字样式， 若没通过有效性验证，则将属于该文字样式的第二文本对象集合过滤掉；

关联模块，适于从未被过滤掉的第二文本对象集合中提取出文本对象， 根据文本对象与图片的相对位置关系确定文本对象与图片的关联关系。

根据本发明的又一方面，提供了一种服务器，包括：处理器、存储器、 通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通 信总线完成相互间的通信；