随着信息时代的到来,不同领域都在进行智能化改革,信息电子化、办公自动化已成为必然趋势。表单作为日常工作和生活中常见的信息表现形式,具有布局灵活、表现形式多样、易于理解等优点,极大地方便了信息的收集、展示和传递,在各行各业广泛应用。但是纸质表单电子化的过程如果只靠手工录入过于耗费人力资源,因此利用计算机实现表单图像识别有着迫切的现实需求。由于表单图像存在结构复杂、获取过程中质量参差不齐等问题,使得表单图像识别仍然是一个具有挑战性的研究方向。现有表单识别方法,通常适应性不强,尤其在表单图像出现扭曲、表单长度可变等情况下,性能大幅度降低,甚至无法处理。本文围绕表单识别问题中扭曲表单图像识别和可变长表单图像识别两个问题展开研究,提出了基于局部空间匹配的扭曲表单信息提取和基于布局结构迁移的可变长表单信息提取两种算法,并以此为基础设计开发了一个表单识别系统。本文的主要工作如下:1.提出基于局部空间匹配的扭曲表单信息提取算法。图像中表单出现扭曲形变等情况时,一般的模板匹配算法难以有效定位到相应区域。因此,本文在提取模板图像和待处理图像上参照区域的特征之后,提出多阶段匹配算法完成参照区域的匹配,然后利用多因子加权函数构建局部映射关系对待识别区域进行定位,从而一定程度上缓解了由于表单扭曲导致待识别区域定位错误的情况。同时,本文建立了扭曲表单图像数据集FID,以待识别区域重叠度为评价指标,本文方法在该数据集上取得了88.5%的准确率。2.提出基于布局结构迁移的可变长表单信息提取算法。可变长表单是指表单中某一区域的同类别信息条目数不固定的表单,这使得同一类表单的不同实例间表单的结构差异较大。因此,本文首先以图的方式对模板图像进行建模,以参照区域和待识别区域为节点,将区域间的位置特征和区域的语义特征进行融合作为区域间的关系特征,将模板上的参照区域与待识别区域间的布局结构迁移到待处理图像,然后采用条件随机场的消息传递算法对模型结果进行优化。同时,本文建立了可变长表单图像数据集FIV,在数据集上该方法取得了85.63%的准确率。3.设计了一个表单识别系统。在上述两个工作的基础上,本文整合了预处理和后处理模块,完善了对表单图像信息识别的整体流程,并从运行用时、区域准确率以及识别准确率三个方面将该系统与现有的表单识别API进行了实验评估。实验结果表明本文设计的系统在FID和FIV数据集上均比现有的表单识别API表现更好,具有一定的实际应用价值。