表格文件广泛应用于人们的日常工作和生活中，方便人们简明规范地展示、组织和收集信息。为获得表格中的信息，传统的处理方法是依靠人工处理将表格中记载的信息录入数据库中，不仅费时费力，而且容易出错，给表格文件中信息的利用带来障碍。表格文档的处理针对这一现实问题，采用自动处理的方式，对表格文档进行分析、理解、识别，替代人工操作。一方面，为表格文档的利用提供了方便；另一方面，在一些有大量表格处理需求的领域能显著提高工作效率，有着现实的应用价值与需求，成为文档处理研究中的热点。然而，复杂表格的理解是一个难题，尽管众多的方法与系统不断被提出，仍存在许多难点并没有得到很好的解决，颇具研究价值和前景，这也是其一直被众多科研工作者视为研究热点的吸引力所在。　　 本文研究了表格理解中的多个关键问题，主要工作在于：　　 1.提出了基于多层次结构与内容模板的表格知识的表示与获取方法。基于表格文档的多层次模型，针对表格结构和元素种类复杂的情况，该表格知识表示方法能够比较充分、有效地描述表格文档包含的结构和内容信息。在此基础上，运用表格理解方法获取表格知识，具有较好的灵活性和鲁棒性。　　 2.提出了一种基于统计的表格学习方法。面向特定类型表格，利用统计特性，表格学习方法能够消除表格知识获取中随机噪声的影响，降低对学习样本的质量依赖，提高表格学习的可靠性和精度。同时，基于空表和实表学习相结合的方法，使表格学习方法不仅能够获取表格固定内容的信息，也可获得表格填写内容相关的信息，有助于提高表格处理信息的能力。　　 3.提出了一种基于综合结构信息的表格识别方法。该方法将表格内容域结构信息引入到表格识别中，综合表格框线结构信息和内容域结构信息，有效提高表格识别的性能。　　 4.提出了一种基于边缘信息的自适应表格框线检测新方法。基于矢量化直线检测方法，从图像边缘信息中检测和提取表格框线信息，该方法具有抗倾斜能力强、精度高的特点。同时，提出了一种自适应表格参数估计的方法获取表格局部参数，用于调整表格框线检测参数设置，能有效降低表格框线检测的错检和漏检，提高表格框线检测的性能。　　 5.提出了一种基于笔划增强的文档图像二值化方法。利用笔划邻域的特性和信息，增强文字笔划，在此基础上分割文档图像，提高对低质量图像的二值化性能。　　 概括来讲，本文的主要贡献和创新之处在于：提出了结合内容的表格知识表示方法和对应的表格知识获取方法，有助于提高表格知识表示和利用的完备性和灵活性；在表格学习中提出了基于统计的空表与实表相结合的学习方法；提出了基于综合结构信息的表格识别方法，在表格识别中引入表格内容域结构信息，提高了表格识别的性能；提出了一种新的基于边缘信息的自适应表格框线检测方法，具有较好的框线检测性能；提出了一种基于笔划增强的文档图像二值化方法，提高了对降质图像的二值化效果。