[發(fā)明專利]一種復(fù)雜場景下的試卷分割算法

有效

• 申請?zhí)枺?/td>: 201910031875.0
• 申請日: 2019-01-14
• 公開（公告）號: CN109815948B
• 公開（公告）日: 2023-05-30
• 發(fā)明（設(shè)計）人: 李曉光;王麟騰;高猛;王世禹
• 申請（專利權(quán)）人: 遼寧大學
• 主分類號: G06V30/148
• 分類號: G06V30/148;G06V30/19;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 沈陽杰克知識產(chǎn)權(quán)代理有限公司 21207
• 代理人: 羅瑩

一種復(fù)雜場景下的試卷分割算法，其步驟為：1)由原始圖像通過灰度變換以及邊緣檢測算法得到圖像邊緣；2)通過圖像邊緣計算連通區(qū)域以及其外接矩形；3)根據(jù)不同連通區(qū)域外接矩形的IOU合并連通區(qū)域；4)基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建字符判別模型，指導(dǎo)連通區(qū)域合并，合并后連通區(qū)域外接矩形分割字符區(qū)域；5)利用步驟4)分割結(jié)果，通過文本線構(gòu)造法分割文本行區(qū)域；6)基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建題號判別模型，結(jié)合步驟5)分割結(jié)果分割試題區(qū)域。本發(fā)明提供的分割算法，在復(fù)雜場景下的試卷分割任務(wù)中具有很好的分割效果，可以很好的把字符區(qū)域、文本行區(qū)域、試題區(qū)域分割出來。

技術(shù)領(lǐng)域

本發(fā)明屬于電子圖像分割技術(shù)以及卷積神經(jīng)網(wǎng)絡(luò)領(lǐng)域，特別涉及一種復(fù)雜場景下的試卷分割算法。

背景技術(shù)

隨著智慧教育以及人工智能的發(fā)展，在諸多應(yīng)用場景中，移動設(shè)備拍攝的試卷圖像分割是其中一個關(guān)鍵環(huán)節(jié)。由于移動設(shè)備拍攝場景和角度不固定，圖像的尺寸、清晰度、局部曝光程度往往具有不確定性，試卷本身存在手寫體打印體混合等復(fù)雜場景。目前已經(jīng)出現(xiàn)了上千種圖像分割的方法，但是在復(fù)雜場景下的試卷分割任務(wù)中，對于字符區(qū)域、文本行區(qū)域、試題區(qū)域分割效果往往難以滿足需求。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明針對復(fù)雜場景下的試卷圖像，提供一種能夠很好的將字符區(qū)域、文本行區(qū)域、試題區(qū)域分割出來的復(fù)雜場景下的試卷分割算法。

為了實現(xiàn)上述目的，本發(fā)明創(chuàng)造采用的技術(shù)方案為：一種復(fù)雜場景下的試卷分割算法，其特征在于，其步驟為：

1)由原始圖像通過灰度變換以及邊緣檢測算法得到圖像邊緣；

2)通過圖像邊緣計算連通區(qū)域以及其外接矩形；

3)根據(jù)不同連通區(qū)域外接矩形的IOU合并連通區(qū)域；

4)基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建字符判別模型，指導(dǎo)連通區(qū)域合并，合并后連通區(qū)域外接矩形分割字符區(qū)域；

5)利用步驟4)分割結(jié)果，通過文本線構(gòu)造法分割文本行區(qū)域；

6)基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建題號判別模型，結(jié)合步驟5)分割結(jié)果分割試題區(qū)域。

所述的步驟1)中，具體方法為：

1.1)將原始圖像O通過顏色圖像空間轉(zhuǎn)換為灰度圖像G；

1.2)通過邊緣檢測算法提取G的圖像邊緣E。

所述的步驟2)中，具體方法為：

2.1)提取E的連通區(qū)域集A,其中A由n個小連通區(qū)域A_i組成，即A＝{A_i},i∈[1,n]，且當i≠j時A_i≠A_j；

2.2)計算A_i的外接矩形D_i，記作D_i＝F(A_i)，其中D_i＝(X_i,Y_i,W_i,H_i)，X_i,Y_i,W_i,H_i分別表示D_i左上頂點橫坐標、左上頂點縱坐標、D_i的寬度、D_i的高度。

所述的步驟3)中，具體方法為：

3.1)計算D_i與D_j的IOU，其中D_j∈{Di|i∈[1,n],i≠j}；

3.2)設(shè)置閥值α，如果IOU＞α，則D_i←F(A_i∪A_j)且D←D-{D_j}。