[发明专利]文件中图片标注信息识别方法、装置及服务器

摘要

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。

主权项

1.一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，对属于该第二文本对象集合对应的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；其中，所述针对每个图片页面，筛选得到至少一个第二文本对象集合进一步包括：针对每个图片页面，判断包含图片与过滤掉正文文本对象集合后的文本对象的最小矩形区域中是否覆盖了其他文本对象，若是，则将该文本对象所属的文本对象集合确定为非图片标注信息的文本对象集合，并将第一文本对象集合中除非图片标注信息的文本对象集合之外的文本对象集合确定为第二文本对象集合。