近年来,互联网正在快速发展,它所承载的信息量也在指数级增长。传统的人工筛选信息的方法已经很难满足实际需求。因此,如何对这些信息进行快速地自动化处理就显得尤为重要。对于纯文本信息,已有诸多成熟的方案可以提取出其中的关键部分。对于嵌入图像的文本信息,传统的方法是利用文本识别技术将文字提取出来,然后再对内容进行分析。但随着智能手机的普及,大量嵌入图像的文本信息通过手机拍摄的方式记录,这样的图像不具备扫描图像中文字清晰规整的特点。因此,对于拍摄图像中的信息,传统提取方式没有考虑到拍摄图像这一载体的特殊性,导致一些文本无法被准确地理解。零售票据图像是嵌入图像文本信息的一种实例,为了更好地提取出票据图像中的信息,本文结合了不同类型的特征,从两个侧重点分别实现了感兴趣字段的提取算法。本文首先从票据图像中抽象出语义、视觉、结构以及规则四类特征表示。其中语义、视觉、结构三类特征可以通过不同深度学习方法训练得到,规则根据零售票据的特点制定。将这四类特征进行融合,融合后的特征经过标准化,以便不同单位或量级的值进行比较和加权。票据的字段间存在独特的组织结构,针对这一特点,本文提出了基于融合特征的图卷积票据感兴趣字段提取方法。该方法将文本框作为图的节点,融合特征作为节点的特征表示,利用文本框间的位置关系和文本内容相似度建立边的连接,并使用图卷积网络对票据图进行推理和学习。该方法在中文零售票据数据集上训练,并与其他三类基于图神经网络的方法进行对比,实验结果表明,本文方法获得了图神经网络实现中的最优效果。提取算法在实际应用时需要具备可靠性与稳定性,因此,本文又从增加模型不确定性和鲁棒性的角度提出了基于融合特征的贝叶斯深度票据感兴趣字段提取方法。该方法将长短期记忆网络的输入序列和融合特征进行拼接,并将网络中的权重参数从固定值转换为概率分布。此外,分类网络输出的感兴趣字段还会经过后处理的步骤,使得结果更加准确。最后,与多种基线方法的对比结果表明,本文方法在中文零售票据数据集上的多分类准确率相比最优的基线模型提升了1.69%,Weighted-F1指标提升了1.49%。