本發(fā)明屬于收據(jù)數(shù)據(jù)識別，具體涉及一種清算收據(jù)數(shù)據(jù)識別系統(tǒng)及其方法。

背景技術(shù)：

1、隨著智能數(shù)據(jù)處理技術(shù)的快速發(fā)展，收據(jù)自動識別逐漸成為企業(yè)高效處理財(cái)務(wù)和報(bào)銷數(shù)據(jù)的重要工具?，F(xiàn)階段，基于光學(xué)字符識別（ocr）的收據(jù)識別系統(tǒng)已廣泛應(yīng)用于收據(jù)數(shù)據(jù)提取。然而，現(xiàn)有的ocr技術(shù)在實(shí)際應(yīng)用中仍面臨諸多局限，尤其是在處理復(fù)雜的收據(jù)圖像時。首先，圖像質(zhì)量顯著影響ocr識別的準(zhǔn)確性。由于收據(jù)通常存在拍攝模糊、傾斜、光照不均勻等問題，ocr系統(tǒng)在識別時容易受到影響，導(dǎo)致識別錯誤率上升。例如，圖像中的模糊字符或低分辨率會使ocr難以準(zhǔn)確讀取內(nèi)容，而反光和陰影也會遮擋關(guān)鍵字段。其次，現(xiàn)有ocr技術(shù)的另一個關(guān)鍵缺陷在于缺乏語境理解能力。ocr主要用于逐字識別字符，缺少語義層次的分析，無法理解字段之間的邏輯關(guān)系。例如，對于收據(jù)中的日期、金額和商品名稱等重要信息，ocr可能會識別出這些字符，但無法理解這些字段的含義和相互關(guān)系。這一缺陷使得系統(tǒng)容易出現(xiàn)數(shù)據(jù)錯配，特別是在沒有標(biāo)準(zhǔn)化標(biāo)簽或字段位置不固定的情況下，進(jìn)一步影響了數(shù)據(jù)的結(jié)構(gòu)化處理效果。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種清算收據(jù)數(shù)據(jù)識別系統(tǒng)及其方法，解決相關(guān)技術(shù)中受圖像質(zhì)量和缺乏語境理解的限制，導(dǎo)致識別準(zhǔn)確率不高，易出現(xiàn)數(shù)據(jù)錯配和誤識別的技術(shù)問題。

2、本發(fā)明提供了一種清算收據(jù)數(shù)據(jù)識別系統(tǒng)，包括圖像獲取與預(yù)處理模塊、圖像識別模塊、字段識別與分類模塊、字段關(guān)聯(lián)分析模塊、數(shù)據(jù)清洗與驗(yàn)證模塊和數(shù)據(jù)輸出模塊：

3、圖像獲取與預(yù)處理模塊，用于從多個角度拍攝目標(biāo)收據(jù)的五張圖像，使用圖像配準(zhǔn)技術(shù)進(jìn)行對齊，具體如下：從目標(biāo)收據(jù)的正面、左上、左下、右上和右下五個角度分別拍攝圖像，通過尺度不變特征變換算法識別每張圖像中的特征點(diǎn)，輸出特征點(diǎn)的坐標(biāo)和特征描述符，并使用歐氏距離計(jì)算特征點(diǎn)之間的相似度，進(jìn)行特征點(diǎn)的匹配，同時通過計(jì)算距離比率排除誤匹配，并使用仿射變換將五張圖像的相似區(qū)域進(jìn)行對齊；

4、其中，所述尺度不變特征變換算法的使用步驟包括：

5、步驟s201，基于五張不同角度的圖像生成不同尺度的高斯差分圖像；

6、步驟s202，通過極值檢測從高斯差分圖像中找到潛在特征點(diǎn)，并對潛在特征點(diǎn)進(jìn)行過濾邊緣響應(yīng)和去除低對比度處理，得到特征點(diǎn)，并提取特征點(diǎn)的坐標(biāo)；

7、步驟s203，通過計(jì)算特征點(diǎn)鄰域的梯度方向直方圖為每個特征點(diǎn)分配一個主方向；

8、步驟s204，將特征點(diǎn)鄰域的梯度方向直方圖進(jìn)行拼接，得到特征點(diǎn)的特征描述符；

9、所述距離比率的計(jì)算公式為：，其中，表示距離比率，表示當(dāng)前特征點(diǎn)描述符與最近的特征點(diǎn)的距離，表示當(dāng)前特征點(diǎn)描述符與次近的特征點(diǎn)的距離；當(dāng)距離比率大于第三閾值時，則該匹配為誤匹配，需進(jìn)行去除，第三閾值為自定義參數(shù)；

10、所述使用仿射變換將五張圖像的相似區(qū)域進(jìn)行對齊的步驟包括：

11、步驟s301，將拍攝角度為正面的圖像作為基準(zhǔn)圖像，同時選擇一張其他圖像，在兩張圖像中找到k對匹配的特征點(diǎn)，根據(jù)仿射變換原理的坐標(biāo)變換公式結(jié)合匹配的特征點(diǎn)構(gòu)造仿射變換矩陣，該矩陣表達(dá)式為：，其中，t表示仿射變換矩陣，a、b、c和d分別表示第一系數(shù)、第二系數(shù)、第三系數(shù)和第四系數(shù)，用于控制圖像的縮放、旋轉(zhuǎn)和傾斜，tx和ty分別表示第一平移參數(shù)和第二平移參數(shù)，仿射變換原理的坐標(biāo)變換公式為：，其中和分別為變換后的像素坐標(biāo)的橫坐標(biāo)和縱坐標(biāo)，x和y分別為變換前的像素坐標(biāo)的橫坐標(biāo)和縱坐標(biāo)，a、b、c、d、tx和ty通過匹配的特征點(diǎn)結(jié)合坐標(biāo)變換公式構(gòu)造線性方程組求解得到；

12、步驟s302，使用隨機(jī)采樣一致性算法過濾誤匹配的特征點(diǎn)；

13、步驟s303，使用仿射變換矩陣，根據(jù)步驟s301中的坐標(biāo)變換公式，通過基準(zhǔn)圖像的像素坐標(biāo)計(jì)算并變換另一張圖像的像素坐標(biāo)；

14、步驟s304，重復(fù)步驟s301到步驟s303，將變換應(yīng)用于除基準(zhǔn)圖像外的所有圖像，使其與基準(zhǔn)圖像對齊；

15、應(yīng)用融合算法將對齊后的圖像進(jìn)行融合，得到融合圖像，對融合圖像進(jìn)行降噪和對比度增強(qiáng)處理，得到第一特征圖像；

16、圖像識別模塊，用于使用圖像識別技術(shù)從第一特征圖像中提取收據(jù)數(shù)據(jù)；

17、字段識別與分類模塊，用于識別收據(jù)數(shù)據(jù)中字段的內(nèi)容及含義，并對字段進(jìn)行分類，包括：使用光學(xué)字符識別技術(shù)從第一特征圖像中提取所有的文本塊，得到收據(jù)數(shù)據(jù)，其中，每個文本塊包含一組連續(xù)的字符；

18、字段關(guān)聯(lián)分析模塊，用于使用依存句法分析算法識別收據(jù)數(shù)據(jù)中字段之間的邏輯關(guān)系，將收據(jù)數(shù)據(jù)中的字段進(jìn)行匹配；

19、數(shù)據(jù)清洗與驗(yàn)證模塊，用于對匹配后的收據(jù)數(shù)據(jù)進(jìn)行清洗和內(nèi)容驗(yàn)證；

20、數(shù)據(jù)輸出模塊，用于將清洗和驗(yàn)證處理后的收據(jù)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化輸出。

21、進(jìn)一步地，使用融合算法將對齊后的圖像進(jìn)行融合，包括：

22、步驟s401，在每張圖像的每個像素點(diǎn)周圍定義一個n×n大小的鄰域窗口，統(tǒng)計(jì)鄰域窗口內(nèi)各灰度級的頻率分布，生成該鄰域窗口的灰度直方圖，其中，n為自定義參數(shù)，灰度級表示圖像中像素的亮度；

23、步驟s402，根據(jù)灰度直方圖計(jì)算所述像素點(diǎn)的熵值，并在五張圖像中同一像素位置中選擇熵值最高的像素，熵值的計(jì)算公式為：，其中，h表示像素點(diǎn)的熵值，表示灰度級i在該鄰域窗口內(nèi)出現(xiàn)的頻率，j表示灰度級的數(shù)量；

24、步驟s403，將每個像素位置上具有最大熵值的像素填入最終融合圖像的對應(yīng)位置，生成完整的融合圖像。

25、進(jìn)一步地，對每個文本塊中的字符進(jìn)行識別，得到文本字符串，并使用自然語言處理技術(shù)對識別出的文本字符串進(jìn)行語義解析，提取字段內(nèi)容和含義，并根據(jù)預(yù)定義的規(guī)則庫，將識別出的字段內(nèi)容與規(guī)則進(jìn)行匹配，確定字段的類別，其中，規(guī)則庫中包含字段名稱及字段名稱的變體。

26、進(jìn)一步地，使用基于轉(zhuǎn)移的依存句法分析算法來分析收據(jù)數(shù)據(jù)中字段之間的邏輯關(guān)系，具體步驟包括：首先，將字段內(nèi)容轉(zhuǎn)換為適用于依存句法分析的輸入格式，然后，通過應(yīng)用left-arc轉(zhuǎn)移操作構(gòu)建依存關(guān)系樹，形成字段之間的依存關(guān)系圖，進(jìn)而識別字段之間的邏輯關(guān)系，最后，根據(jù)依存關(guān)系圖完成字段內(nèi)容的匹配。

27、進(jìn)一步地，對匹配后的收據(jù)數(shù)據(jù)進(jìn)行清洗和內(nèi)容驗(yàn)證，數(shù)據(jù)清洗包括：對字段內(nèi)容進(jìn)行格式化，去除空格和多余字符，以及拼寫校正；內(nèi)容驗(yàn)證包括：進(jìn)行字段的格式驗(yàn)證、邏輯關(guān)系驗(yàn)證和一致性檢查。

28、本發(fā)明提供一種清算收據(jù)數(shù)據(jù)識別方法，包括以下步驟：

29、步驟s601，從多個角度拍攝目標(biāo)收據(jù)的五張圖像，使用圖像配準(zhǔn)技術(shù)進(jìn)行對齊，并應(yīng)用融合算法將對齊后的圖像進(jìn)行融合，得到融合圖像，并對融合圖像進(jìn)行降噪和對比度增強(qiáng)處理；

30、步驟s602，使用圖像識別技術(shù)從第一特征圖像中提取收據(jù)數(shù)據(jù)；

31、步驟s603，識別收據(jù)數(shù)據(jù)中字段的內(nèi)容及含義，并對字段進(jìn)行分類；

32、步驟s604，使用依存句法分析算法識別收據(jù)數(shù)據(jù)中字段之間的邏輯關(guān)系，將收據(jù)數(shù)據(jù)中的字段進(jìn)行匹配；

33、步驟s605，對匹配后的收據(jù)數(shù)據(jù)進(jìn)行清洗和內(nèi)容驗(yàn)證；

34、步驟s606，將清洗和驗(yàn)證處理后的收據(jù)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化輸出。

35、本發(fā)明的有益效果在于：本發(fā)明通過從多個角度拍攝收據(jù)，并對圖像進(jìn)行配準(zhǔn)和融合處理，有效減少了因光照不均、傾斜等問題導(dǎo)致的識別誤差，提升了圖像清晰度與對比度；

36、本發(fā)明利用特征點(diǎn)匹配算法和仿射變換對圖像進(jìn)行對齊，使多角度圖像的關(guān)鍵信息一致，從而保證了圖像融合的精度和數(shù)據(jù)的一致性；

37、本發(fā)明通過自然語言處理技術(shù)對識別出的文本進(jìn)行分詞和實(shí)體識別，并結(jié)合規(guī)則庫匹配字段內(nèi)容，能夠準(zhǔn)確區(qū)分并分類收據(jù)中的字段，有效提升了數(shù)據(jù)分類的準(zhǔn)確性。