近年來,隨著社會經(jīng)濟(jì)的快速發(fā)展,我國的發(fā)票使用量與之俱增。發(fā)票作為各種經(jīng)濟(jì)活動的憑證,是財務(wù)報銷流程的重要依據(jù)。目前傳統(tǒng)的財務(wù)報銷流程繁瑣,發(fā)票的分類和識別等任務(wù)都由人工完成,效率很低,且極大地浪費(fèi)人力和物力資源。本文使用了基于傳統(tǒng)圖像處理方法和新興的深度學(xué)習(xí)方法,完成對發(fā)票圖像智能分類、檢測和識別等任務(wù)。首先,本文設(shè)計了一個基于模板匹配的發(fā)票識別方法,用來對掃描的發(fā)票圖像進(jìn)行自動識別,主要包括圖像預(yù)處理、模板匹配、光學(xué)字符識別和信息存儲等步驟。其中,圖像預(yù)處理步驟使用邊緣檢測和輪廓提取等方法,對原始的發(fā)票圖像進(jìn)行二次旋轉(zhuǎn)和邊緣裁剪,得到去除背景信息的發(fā)票圖像。模板匹配步驟將發(fā)票圖像與預(yù)先準(zhǔn)備好的模板圖像進(jìn)行比較,提取出文字區(qū)域。光學(xué)字符識別步驟對包含文字的區(qū)域進(jìn)行識別,得到文字信息。信息存儲步驟對識別出的文字信息進(jìn)行修正和存儲。通過實(shí)驗(yàn)測試了模板匹配的六種匹配方式,最終發(fā)現(xiàn)采用歸一化相關(guān)系數(shù)匹配法的綜合性能最好,其識別準(zhǔn)確率為95.02%,識別發(fā)票圖像中二十個區(qū)域共需8.6毫秒,其速度很快。接著,本文設(shè)計了一個基于卷積神經(jīng)網(wǎng)絡(luò)的發(fā)票分類方法,用來對手機(jī)拍攝的發(fā)票圖像進(jìn)行分類。本文設(shè)計... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【部分圖文】：

增值稅專用發(fā)票

增值稅普通發(fā)票雖然名稱不同，但比較兩種發(fā)票圖像之后可以發(fā)現(xiàn)，兩種發(fā)票的樣式除抬頭標(biāo)題關(guān)鍵字

通用機(jī)打發(fā)票（3）火車票

【參考文獻(xiàn)】：
期刊論文
[1]基于雙邊濾波和Retinex算法的貨車圖像預(yù)處理方法[J]. 任崇巍.  現(xiàn)代城市軌道交通. 2019(06)
[2]基于OpenCV和Tesseract-OCR的英文字符算法研究[J]. 郭室驛.  電腦編程技巧與維護(hù). 2019(06)
[3]基于FPGA的圖像自適應(yīng)加權(quán)均值濾波設(shè)計[J]. 武昊男,儲成群,任勇峰,焦新泉.  電子技術(shù)應(yīng)用. 2019(03)
[4]基于混合高斯模型與五幀差分的運(yùn)動目標(biāo)檢測算法[J]. 李戰(zhàn)明,譚向陽.  計算機(jī)與數(shù)字工程. 2018(02)
[5]計算機(jī)視覺研究綜述[J]. 倪晨旭.  電子世界. 2018(01)
[6]基于融合卷積神經(jīng)網(wǎng)絡(luò)模型的手寫數(shù)字識別[J]. 陳玄,朱榮,王中元.  計算機(jī)工程. 2017(11)
[7]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機(jī)應(yīng)用. 2016(09)
[8]深度學(xué)習(xí)理論綜述[J]. 韓小虎,徐鵬,韓森森.  計算機(jī)時代. 2016(06)
[9]基于圖像鄰域特性的高斯噪聲去噪[J]. 琚生根,何坤,周激流.  四川大學(xué)學(xué)報(工程科學(xué)版). 2010(03)
[10]增值稅專用發(fā)票十年回眸[J]. 王祺元.  中國稅務(wù). 2004(07)



本文編號：3556839