李宗民

（中原工學(xué)院經(jīng)濟(jì)管理學(xué)院，鄭州 450007）

在數(shù)字經(jīng)濟(jì)時(shí)代，隨著智能技術(shù)的快速發(fā)展與廣泛應(yīng)用，將深刻影響會(huì)計(jì)行業(yè)和業(yè)務(wù)的發(fā)展，促進(jìn)會(huì)計(jì)信息處理方式的創(chuàng)新和會(huì)計(jì)人員職能的轉(zhuǎn)型升級(jí)［1］. 通過(guò)人工智能與會(huì)計(jì)業(yè)務(wù)的融合，會(huì)計(jì)人員可以借助智能算法實(shí)現(xiàn)會(huì)計(jì)信息的高效、精準(zhǔn)、自動(dòng)處理，彌補(bǔ)傳統(tǒng)會(huì)計(jì)信息處理方式的準(zhǔn)確性、實(shí)效性和完整性不足等缺點(diǎn)，提升會(huì)計(jì)信息處理的效率與效益［2］，原有流程性、標(biāo)準(zhǔn)化和重復(fù)性的會(huì)計(jì)業(yè)務(wù)將被人工智能取代［3］. 這些特征將促使會(huì)計(jì)人員從會(huì)計(jì)核算職能，向強(qiáng)化內(nèi)控、輔助與參與企業(yè)經(jīng)營(yíng)決策等管理會(huì)計(jì)職能方向轉(zhuǎn)型.

會(huì)計(jì)核算業(yè)務(wù)中的大部分憑證、票據(jù)等信息會(huì)計(jì)都是以圖像為載體呈現(xiàn)，如何借助人工智能算法和圖像處理技術(shù)將圖像信息轉(zhuǎn)換成準(zhǔn)確、及時(shí)和有效的文本信息，對(duì)提高會(huì)計(jì)處理處理效率、質(zhì)量、及時(shí)性等方面具有關(guān)鍵意義，也是促進(jìn)會(huì)計(jì)人員職能轉(zhuǎn)型升級(jí)的前提與保障.

近年來(lái)，針對(duì)會(huì)計(jì)信息智能處理方面的研究，一些專(zhuān)家、學(xué)者做了有意義的研究與探索. 張艷等提出運(yùn)用框線(xiàn)檢測(cè)，建立框線(xiàn)相似模型，精確提取票據(jù)圖像框架特征，對(duì)票據(jù)類(lèi)別進(jìn)行分類(lèi)［4］. 李治江等提出運(yùn)用樸素貝葉斯理論，構(gòu)建樸素貝葉斯分類(lèi)模型，把圖像中的各個(gè)像素分成二類(lèi)放到模型中，有效地實(shí)現(xiàn)彩色圖像各顏色區(qū)域的分離［5］. 韓征等提出運(yùn)用蒙特卡洛模擬的圖像二值化增強(qiáng)算法，對(duì)背景復(fù)雜、亮度不均勻的圖像進(jìn)行二值化分割［6］. 倬棟等綜合最大類(lèi)間方差法和Bernsen算法，進(jìn)行實(shí)時(shí)二值化處理，解決光照不均勻條件下的圖像處理問(wèn)題［7］. 卜飛宇等提出運(yùn)用框線(xiàn)去除算法，排除框線(xiàn)對(duì)字符識(shí)別的干擾［8］. 歐陽(yáng)歡等提出運(yùn)用最大對(duì)稱(chēng)環(huán)繞算法，通過(guò)對(duì)圖像目標(biāo)進(jìn)行聚類(lèi)分析，實(shí)現(xiàn)圖章的識(shí)別與校正［9］. 鐘俠提出運(yùn)用基于Hough的票據(jù)圖像傾斜檢測(cè)與校正方法，以圖像中心為原點(diǎn)，通過(guò)平移變換，確定峰值點(diǎn)，精確計(jì)算傾斜角度，并進(jìn)行校正［10］. 羅曉萍提出運(yùn)用向上優(yōu)先區(qū)域生長(zhǎng)法搜索行間留白，實(shí)現(xiàn)文本行分割與圖像校正［11］. 曹玉東等提出移動(dòng)基準(zhǔn)點(diǎn)定位算法，對(duì)銀行票據(jù)文本信息區(qū)域進(jìn)行定位［12］. 金海燕等提出運(yùn)用二值化法，根據(jù)垂直投影和輪廓特征對(duì)發(fā)票中的數(shù)字進(jìn)行自適應(yīng)字符分割與識(shí)別，提高了圖像字符串的分割效率和準(zhǔn)確率［13］. 崔文成等提出運(yùn)用數(shù)字結(jié)構(gòu)特征算法，對(duì)發(fā)票編號(hào)的字體結(jié)構(gòu)與特征進(jìn)行識(shí)別，與基于輪廓特征的識(shí)別相比，具有高識(shí)別率、準(zhǔn)確性和低噪聲魯棒性［14］. 蔣方等提出依據(jù)發(fā)票信息布局和文本特征，結(jié)合雙向LSTM（Long Short-Term Memory）序列學(xué)習(xí)結(jié)構(gòu)對(duì)文本進(jìn)行分割與識(shí)別［15］. 宋琦悅等提出運(yùn)用改進(jìn)滴水算法，尋找粘連字符切分路徑，對(duì)粘連字符進(jìn)行分割，效果較好［16］.

盡管針對(duì)會(huì)計(jì)票據(jù)智能化處理方面已有許多研究成果，但仍存在識(shí)別的準(zhǔn)確性、完整性、效率性和智能性等方面的問(wèn)題不足. 本文綜合相關(guān)研究成果與實(shí)踐，綜合運(yùn)用票據(jù)圖像處理技術(shù)，采用二值化、定向白游改進(jìn)算法對(duì)票據(jù)圖像進(jìn)行預(yù)處理與傾斜校正，然后，運(yùn)用維納濾波法和灰度投影法對(duì)圖像進(jìn)行去噪與字符分割，最后，利用卷積神經(jīng)網(wǎng)絡(luò)特征識(shí)別模型從票據(jù)圖像中提取特征數(shù)據(jù)，智能識(shí)別會(huì)計(jì)信息，實(shí)現(xiàn)會(huì)計(jì)信息的智能化采集與處理.

本文運(yùn)用上述思路與方法，對(duì)真實(shí)的150張?jiān)鲋刀惏l(fā)票樣本進(jìn)行仿真實(shí)驗(yàn)，識(shí)別率為98.42%，實(shí)驗(yàn)結(jié)果具有很強(qiáng)的有效性，本文的研究成果將對(duì)會(huì)計(jì)信息處理智能化，促進(jìn)會(huì)計(jì)人員職能轉(zhuǎn)型升級(jí)有一定的促進(jìn)作用.

1 圖像識(shí)別相關(guān)方法

1.1 圖像二值化

圖像二值化是將彩色圖像或多灰度圖像轉(zhuǎn)換成只有兩個(gè)黑白灰度圖像的過(guò)程. 其處理步驟與方法如下.

1）脫色處理. 對(duì)于彩色圖像首先進(jìn)行圖像脫色，即灰度處理. 將彩色像素轉(zhuǎn)換成灰度像素的常用算法是計(jì)算RGB三種顏色系列的平均值，并使用平均值表示灰度像素的灰度（0～255）. 該算法非常簡(jiǎn)單，許多圖像處理APP平臺(tái)為圖像脫色提供了封裝功能.

2）黑白分割. 通過(guò)將像素的灰度值與閾值進(jìn)行比較來(lái)確定像素是黑色還是白色（像素值是1 還是0）.計(jì)算公式如下：

式（1）中e是選擇的閾值. 當(dāng)圖像的像素值為0時(shí)為白色. 當(dāng)圖像的像素值為1時(shí)為黑色，即字符圖像. 如果圖像背景不在灰度值上（如紋理不同），可以將差別特征值，轉(zhuǎn)換為灰度差別，然后再利用閾值判斷分割該圖像，并通過(guò)動(dòng)態(tài)調(diào)節(jié)閾值實(shí)現(xiàn)圖像的二值化分割.

1.2 傾斜校正

在票據(jù)圖像獲取過(guò)程中由人為或其他原因，所獲取的圖像經(jīng)常會(huì)出現(xiàn)傾斜現(xiàn)象. 這樣將影響圖像后續(xù)的字符分割效果，必須通過(guò)傾斜識(shí)別，以校正圖像的水平度.

王威等提出了基于定向白游傾斜角度檢測(cè)算法，從白色像素開(kāi)始，沿著特定方向搜索，進(jìn)行傾斜校正［17］.該方法的計(jì)算誤差比較大，本文提出一種基于方向白色行進(jìn)的改進(jìn)方法. 具有步驟與方法如下.

1）采集樣本點(diǎn). 在預(yù)處理后的圖像中，掃描圖像的行和列，以第一個(gè)黑色像素為樣本起點(diǎn)，在水平和垂直方向上以一定間隔獲取一個(gè)采樣點(diǎn)，并依次獲取完整圖像的采樣點(diǎn).

2）分析采樣點(diǎn). 確定采樣點(diǎn)是否是文本和直線(xiàn)之間的中心點(diǎn)，若在采樣點(diǎn)的區(qū)域中存在黑色像素，則刪除采樣點(diǎn)，否則，寫(xiě)下更改的位置.

3）計(jì)算傾斜角. 首先以每個(gè)滿(mǎn)足條件的采樣點(diǎn)作為圖像中心，以1°為單位計(jì)算白色游程的長(zhǎng)度，找到各采樣點(diǎn)白游程的最大長(zhǎng)度. 然后，沿著各采樣點(diǎn)的白游程長(zhǎng)度方向上下搜索每個(gè)角度的白色游程，遇到帶有黑色像素就停止搜索，從而獲得線(xiàn)之間的每個(gè)角度的白色游程，并對(duì)獲得的角度進(jìn)行平均，然后記錄角度值. 最后，對(duì)滿(mǎn)足條件的每個(gè)采樣點(diǎn)重復(fù)上述步驟，并再次平均每個(gè)采樣點(diǎn)獲得的角度的平均值，即獲得準(zhǔn)確的傾斜角度.

4）傾斜校正. 根據(jù)獲得的傾斜角度，以圖像的中心點(diǎn)為原點(diǎn)旋轉(zhuǎn). 任意一點(diǎn)（x，y）旋轉(zhuǎn)后的水平和垂直坐標(biāo)公式如下：

該方法采用選擇多個(gè)采樣點(diǎn)，計(jì)算各方向的白游程，并通過(guò)平均值作為最終的白游程，獲取的傾斜角度更準(zhǔn)確.

1.3 信息降噪

會(huì)計(jì)票據(jù)圖像在打印、傳輸、轉(zhuǎn)換或存儲(chǔ)的過(guò)程中會(huì)受到各種隨機(jī)因素的影響而產(chǎn)生許多噪音，使圖像變得粗糙、質(zhì)量下降、特征淹沒(méi)［18］. 為了確保字符分割與識(shí)別的準(zhǔn)確性，必須對(duì)會(huì)計(jì)票據(jù)圖像進(jìn)行降噪處理.

根據(jù)噪聲與信號(hào)之間的關(guān)系，可以將噪聲分為加性噪聲、乘性噪聲和附加噪聲. 其中，加性噪聲是背景噪聲，包括熱噪聲、散粒噪聲，它與信號(hào)疊加，具有普遍性；乘性噪聲（也稱(chēng)為卷積噪聲）是由系統(tǒng)衰落或其他非線(xiàn)性等，時(shí)變因素引起，取決于信號(hào)的存在；附加噪聲主要來(lái)源于人為、自然和內(nèi)部因素.

信息降噪主要采用均值濾波、中值濾波與維納濾波等方法，其中，維納濾波是自適應(yīng)濾波中使用最廣泛的方法［19］，是在可計(jì)算的情況下，通過(guò)使用原始獲得的濾波參數(shù)的結(jié)果來(lái)自動(dòng)調(diào)整后續(xù)的濾波參數(shù)，以獲得適合于輸入圖像和噪聲的統(tǒng)計(jì)特性［20］，它可以更好地消除噪音點(diǎn)并保留圖像的高頻和邊緣信息.

維納濾波是通過(guò)信號(hào)和噪聲的概率密度隨機(jī)函數(shù)，找到未污染圖像的估計(jì)值f?(x,y)，以便滿(mǎn)足估計(jì)圖像和原始圖像f(x,y)之間的誤差最?。?/p>

當(dāng)E || f(x,y)-w(x,y)*g(x,y)2=min 時(shí)，維納濾波方程滿(mǎn)足以下等式：

式（5）中：H(u,v)是退化函數(shù)；H*(u,v)是H(u,v)的共軛函數(shù)；H(u,v)和W(u,v)分別是h(x,y)和w(x,y)的傅里葉變換；Pf(u,v)/Pn(u,v)為分別信噪比. 其中，圖像功率譜Pf(u,v)、噪聲功率譜Pn(u,v)公式如下：

因此，維納濾波估計(jì)值可表示為

式（8）中，G(u,v)是w(x,y)的傅里葉變換.

1.4 基于灰度投影的字符分割

經(jīng)過(guò)降噪處理后，獲得相對(duì)干凈的數(shù)字字符串區(qū)域，需要將數(shù)字字符串區(qū)域中的打印數(shù)字一一分割用于后續(xù)的數(shù)字識(shí)別處理. 本文使用基于灰度投影的字符切割算法來(lái)準(zhǔn)確、快速地切割單個(gè)字符［21］. 其思路如下：

1）根據(jù)降噪后的二值化圖像的像素分布，分別進(jìn)行水平與垂直方向投影，對(duì)每一行或每一列所有灰度值為0的像素?cái)?shù)求和.

2）在水平和垂直方向分別設(shè)定一個(gè)搜索范圍與步長(zhǎng)，并計(jì)算兩個(gè)曲線(xiàn)的一階差分值.

3）選擇相差最小的位置，識(shí)別判斷投影的每一行或列，找到分割點(diǎn).

4）根據(jù)分割點(diǎn)進(jìn)行字符分割.

5）依據(jù)思路，設(shè)計(jì)算法，用Matlab實(shí)現(xiàn)上述思路.

對(duì)于會(huì)計(jì)票據(jù)，比如發(fā)票，在水平和垂直方向投影時(shí)，由于許多字符交錯(cuò)排列，投影的效果會(huì)受到影響.這時(shí)發(fā)票在水平和垂直方向投影時(shí)，許多字符行和列是交錯(cuò)排列的，并且會(huì)受到影響，應(yīng)考慮動(dòng)態(tài)設(shè)置子區(qū)域投影以減少票據(jù)類(lèi)型和格式的影響.

1.5 基于卷積神經(jīng)網(wǎng)絡(luò)的字符識(shí)別模型

卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）是一種包含卷積計(jì)算的深度前饋神經(jīng)網(wǎng)絡(luò)，直接將圖像作為網(wǎng)絡(luò)的輸入，通過(guò)權(quán)重共享機(jī)制，自動(dòng)提取圖像特征；通過(guò)池化合并減少參數(shù)量、有效地避免過(guò)擬合和圖像平移變性，并通過(guò)連接的稀疏性，實(shí)現(xiàn)多維數(shù)據(jù)“扁平化”［22］.

本文采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)票據(jù)圖像特征進(jìn)行識(shí)別與分類(lèi). 首先把30×30的原始票據(jù)圖像，采用16維度的5×5 卷積核，1 個(gè)卷積步長(zhǎng)對(duì)圖像進(jìn)行卷積，獲得16 維度的26×26 大小的特征圖，經(jīng)過(guò)2×2 池化最大化合并，獲得16個(gè)維度的13×13大小的特征圖. 在此基礎(chǔ)上，進(jìn)行2層卷積與池化，采用32維度的4×4卷積核，2×2化池最大化合并，獲得32×5×5 大小的扁平化向量. 最后，運(yùn)用ReLu 函數(shù)作為全連接層每個(gè)神經(jīng)元的激勵(lì)函數(shù)，采用softMax分類(lèi)器實(shí)現(xiàn)對(duì)會(huì)計(jì)票據(jù)圖像的分類(lèi)識(shí)別與最大化輸出.

2 仿真實(shí)驗(yàn)與結(jié)果分析

2.1 實(shí)驗(yàn)環(huán)境

本文的實(shí)驗(yàn)環(huán)境為Intel Core i3-4150@3.50 GHz 的CPU，4G 內(nèi)存的硬件配置，64 bit win7 和MATLAB 2013B軟件配置.

2.2 數(shù)據(jù)采集

本文收集了150張?jiān)鲋刀惏l(fā)票，以測(cè)試系統(tǒng)數(shù)字識(shí)別的準(zhǔn)確性. 實(shí)驗(yàn)總共使用了10 410個(gè)字符，其中發(fā)票代碼區(qū)域中使用了1800 個(gè)字符；購(gòu)買(mǎi)方名稱(chēng)區(qū)域945 個(gè)字符；納稅人識(shí)別號(hào)為2700 個(gè)字符；開(kāi)票日期為2100個(gè)字符；數(shù)量區(qū)域有495個(gè)字符；單價(jià)區(qū)域有1125個(gè)字符；金額區(qū)域有1245個(gè)字符.

2.3 仿真結(jié)果分析

本文以150張發(fā)票作為會(huì)計(jì)票據(jù)圖像樣本，由于發(fā)票的信息量非常大，本文僅對(duì)發(fā)票代碼、開(kāi)票日期、納稅人識(shí)別號(hào)、數(shù)量、單價(jià)、金額等文本信息進(jìn)行分割與識(shí)別，具體仿真結(jié)果分析如下.

1）字符分割效果分析

該仿真實(shí)驗(yàn)采用灰度投影法，并結(jié)合分割區(qū)域的字符縱橫比，對(duì)150張發(fā)票圖像的相關(guān)文本信息進(jìn)行水平與垂直字符分割. 首先對(duì)發(fā)票圖像二值化、傾斜校正與降噪處理，然后計(jì)算出水平與垂直坐標(biāo)后，對(duì)文本字符進(jìn)行分割，并各文本字符進(jìn)行單獨(dú)分析，以驗(yàn)證分割算法的有效性. 由于本文僅對(duì)發(fā)票代碼、納稅人識(shí)別號(hào)、開(kāi)票日期、金額、單價(jià)、數(shù)量等信息進(jìn)行分析，以驗(yàn)證分割算法的有效性. 對(duì)150張發(fā)票樣本的分割區(qū)域總數(shù)為945個(gè)（由于購(gòu)買(mǎi)方有時(shí)購(gòu)買(mǎi)商品類(lèi)型或種類(lèi)不止一種，對(duì)數(shù)量、單價(jià)及金額區(qū)域的分割多于150個(gè)），仿真實(shí)驗(yàn)分割效果如表1所示.

表1 發(fā)票字符分割實(shí)驗(yàn)結(jié)果Tab.1 Experimental results of invoice character segmentation

從表1可以看出，采用基于灰度投影法的字符分割模型對(duì)發(fā)票文本字符分割平均正確率為98.37%，效果較好. 由于數(shù)量、單價(jià)、金額區(qū)域基本上都是數(shù)字或字符，縱橫比差異很小，每個(gè)字符都是一個(gè)完整的部分，受到復(fù)雜結(jié)構(gòu)的影響很少，其正確分割率相對(duì)較高. 開(kāi)票是可變域信息，會(huì)受到字條重疊、布局重疊等因素的影響，結(jié)構(gòu)相對(duì)復(fù)雜，正確分割率較低，僅為96.00%，仍有很大的改進(jìn)空間.

2）區(qū)域字符識(shí)別效果分析

發(fā)票圖像經(jīng)過(guò)二值化預(yù)處理、圖像校正、圖像去噪、定位和分割操作后，采用基于卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別模型對(duì)字符進(jìn)行仿真識(shí)別. 在150 張?jiān)鲋刀惏l(fā)票樣本中，共對(duì)10 922 個(gè)字符進(jìn)行識(shí)別，其中發(fā)票代碼區(qū)域1800個(gè)字符，納稅人識(shí)別號(hào)2700個(gè)字符，開(kāi)票日期2100個(gè)字符，數(shù)量區(qū)812個(gè)字符，單價(jià)區(qū)1643個(gè)字符，貨幣區(qū)1867個(gè)字符. 經(jīng)過(guò)仿真實(shí)驗(yàn)，各區(qū)域及整體的字符正確識(shí)別數(shù)及識(shí)別率如表2所示.

表2 各區(qū)域字符識(shí)別率Tab.2 Regional character recognition rate

從表2可以看出，發(fā)票圖像確定區(qū)域的字符正確識(shí)別率明顯高于總體字符平均正確識(shí)別率，開(kāi)票日期作為可變域，其字符正確識(shí)別率低于平均識(shí)別率，且遠(yuǎn)遠(yuǎn)低于確定區(qū)域字符正確識(shí)別率，主要是由于機(jī)器打印引起日期、區(qū)域重疊等問(wèn)題造成的，僅通過(guò)結(jié)構(gòu)和投影特征來(lái)分割與識(shí)別字符已不能達(dá)成預(yù)期目標(biāo). 總體上，基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建的識(shí)別模型具有較好的字符識(shí)別率（平均98.42%），但仍存在進(jìn)一步優(yōu)化的空間，特別是對(duì)可變域的字符分割與識(shí)別方面.

3 結(jié)論

本文采用二值化、改進(jìn)型定向白游法、維納濾波、灰度投影及卷積神經(jīng)網(wǎng)絡(luò)等方法，對(duì)增值稅發(fā)票圖像進(jìn)行預(yù)處理、傾斜校正、去噪、字符分割及識(shí)別，實(shí)現(xiàn)會(huì)計(jì)信息的智能化提取. 仿真實(shí)驗(yàn)效果表明，該方法是有效的，可以大大提高會(huì)計(jì)信息處理的準(zhǔn)確性、效率與及時(shí)性. 該研究有助于提升會(huì)計(jì)信息智能化水平，提高會(huì)計(jì)信息處理效率，并促進(jìn)會(huì)計(jì)人員從流程化、固化的會(huì)計(jì)核算事務(wù)中解脫出來(lái).