国内的票据是重要的会计记账及企业纳税凭证,具有严格的统一格式。很多企业的金融中心每日需要处理大量的票据信息,但人工处理效率低,为方便提取、存储与传输发票信息,急需自动化的票据处理系统来降低处理成本并提公司的运行效率。票据信息的处理是图像采集、图像预处理、字符分割识别的过程。将发票上的有效信息及时提取出来,能有效的解决人工处理时带来的工作量大和效率低的问题。本文以票据图像作为研究对象,通过研究复杂环境下的信息提取算法,实现票据信息的自动化识别,具体内容如下:(1)研究了光源的种类及其适用情况,给出了不同的目标特性和需求下的光源和照明选择方法,搭建了票据成像的硬件系统;(2)针对章码重叠无法识别的问题,研究了光线与成像介质颜色的关系,提出了单色光背面透射式的照明方案;针对获取的图像,提出了加权灰度化方法,提高了色光条件下的号码可分性;(3)利用先验信息快速实现了目标区域定位,提出了基于双向投影的渐进式号码定位方法,实现了单字符的准确分割;(4)提出了基于手写字的迁移学习方法,建立了票据号码的深度神经网络学习模型,实现了小样本下的发票号码的准确识别。在以上研究的基础上,本文开发的票据号码自动识别系统,通过实验验证,其识别的正确率能够达到94.9%,提高了发票自动化处理的水平。