[发明专利]基于计算机视觉技术的增值税发票版面提取方法

说明书

本发明公开了一种基于计算机视觉技术的增值税发票版面提取方法，包括以下步骤：读取尺寸、格式和角度各异的发票扫描数字图像，采用自适应轮廓线分析提取显著的直线段集合，再遍历直线段集合找出相邻直线段对，计算其交点构造交点集合，然后对交点集合用DB‑SCAN算法聚类获取聚类中心，最后计算聚类中心的最小面积外接矩形作为线框匹配的初始状态，更新匹配参数，实现精确提取。本发明提高了增值税发票票面分析的鲁棒性，同时降低了财务人员的工作负担，支撑财务票据系统信息录入的智能化程度进一步提升，有利于打通纸质发票和电子化税务的界限，实现智能化发票识别技术推广。

技术领域

本发明涉及发票图像自动化处理领域，特别是一种基于计算机视觉技术的增值税发票版面提取方法。

背景技术

发票是指一切单位和个人在购销商品、提供或接受服务以及从事其他经营活动中，所开具和收取的业务凭证，是会计核算的原始依据，也是审计机关、税务机关执法检查的重要依据。中国会计制度规定有效的购买产品或服务的发票称为税务发票。政府部门收费、征款的凭证各个时期和不同收费征款项目称呼不一样，但多被统称为行政事业收费收款收据。为内部审计及核数，每一张发票都必须有独一无二的流水账号码，防止发票重复或跳号。在当前，增值税发票是记录商品在流转过程中产生的增值额作为计税依据而征收的一种流转税发票，在国家经济发展建设过程中发挥了重要作业。增值税发票报销工作任务巨大，其自动化的版面分析和内容识别已成为亟待解决的技术问题。

在经济流动性增强的社会大形势下，针对财务自动化的发票识别应用的需求迫在眉睫。据调查，目前绝大多数企业在交易等经济活动中所面临的大量的发票等单据中，增值税发票、电子发票等占了绝大多数。而在现阶段增值税发票信息的采集，依然采用传统的手工采集录入方式，而手工采集录入需要投入大量的成本和时间，不仅抬高了运营成本，而且效率低下，导致发票信息不能及时有效传递，造成不必要的资金流出，影响企业效益。应用发票扫描识别接口后，企业可在产生或收到发票的第一时间，将发票的数据自动采集录入到ERP、SAP等企业管理系统中，做到实时的效果，节省了大量的时间和成本，是未来人工智能时代，企业必备的刚需选择。但在国内到目前为止，尚未有面向增值税发票的版面分析的类似技术。

发明内容

本发明所要解决的技术问题是提供一种基于计算机视觉技术的增值税发票版面提取方法，以解决目前当前财务系统中录入大量发票依赖人工采集继而效率低下错误频发的问题。它能适应多个省份不同时期形制上些微差异的多种增值税发票，能够在复杂的扫描背景和倾斜的扫描角度情况下自动处理，利用了智能数字图像处理的相关方法，为提高发票信息录入效率奠定了技术基础，同时降低了发票扫描维护工作的负担，使参与者的体验比传统方法更好，更容易推广应用，因而更有利于针对发票自主OCR识别的常态化和规范化推广应用。

为解决上述技术问题，本发明采用的技术方案是：

一种基于计算机视觉技术的增值税发票版面提取方法，包括以下步骤：

步骤1：读取扫描仪上传的发票光电采样数字图像；

步骤2：对数字图像进行预处理，包括去噪声和平滑滤波；

步骤3：将彩色的数字图像转换为灰度的数字图像；

步骤4：计算二值化图像；

步骤5：对二值化图像求逆运算，使黑白色翻转；

步骤6：使用连通体检测算法计算二值化图像中的白色连通体区域；

步骤7：遍历每个连通体像素，按照逆时针次序记录连通体区域边界上的点到边界点链表；

步骤8：对连通体边界上的点集进行简化，简化原则为：若某点位于其前后两点所构成的直线上，则从边界点链表中删除该点；

步骤9：对每个轮廓遍历其中的点，删除直线段长度过小的线段，保留较长的直线段；在判断直线段长度是否过小时，是用预先设置的阈值和直线段的长度做比较；