自然场景票据识别是对手机拍摄的票据图像进行文本识别的过程,从收据和发票中提取关键文本,并将文本内容保存,有利于进行高效存档、快速索引、文档分析和票据复查等业务。随着深度学习的发展,自然场景文本识别任务(如车牌识别,场景文字识别)在准确率和处理速度方面均有所突破,但票据文本识别比一般的识别任务要求更高的精确度,并且由于票据种类多样,模板框架众多,所以很难找到一种统一的方法检测所有类型票据,对于票据内容偏移打印、印章遮盖文字等低质量票据更是加大了识别难度。为了适应不同模板类型的票据,本文整体识别过程包括图像倾斜校正、印章去除、识别单元定位分割、文字识别等部分。论文主要研究内容如下:(1)为了提取有效识别单元,减少票据框线对定位精度的影响,本文对比现有定位方法如EAST、CTPN等场景文本定位算法的优劣,利用CTPN网络定位文本位置,并对网络输出结果进行改进,将满足给定垂直重叠率条件的文本行合并;为了分割距离较近但属于不同单元的文本,改进垂直投影算法,根据判别条件的不同选择不同的分割策略,得到属于相同单元的文本内容。(2)由于票据上均有印章,当印章与文字存在交叠时,会影响字符识别准确率,因此本文提出基于CMY彩色补偿的印章去除算法。首先通过分析找到待识别文本中最接近C、M、Y原色的像素点,基于矩阵变换得到彩色补偿的变换矩阵,最后对彩色补偿后的图像自适应提取文字内容,在保留交叠处文字笔画的同时去除印章。(3)现实生活中很多票据存在偏移打印现象,即文字打印在票据框线上,而训练数据集Synthetic Chinese String Dataset中的图片不存在此种类型,为了提高偏移打印类型票据的字符识别准确率,在应用CRNN网络进行文本识别时,对训练数据图片做模拟框线生成的操作,利用卷积神经网络(CNN)学习框线特征,进行文本行端到端的字符识别。