[發(fā)明專利]圖像質量確定方法、裝置及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011337307.2
• 申請日: 2020-11-25
• 公開（公告）號: CN112419275B
• 公開（公告）日: 2023-03-10
• 發(fā)明（設計）人: 李瑜亮;王元
• 申請（專利權）人: 蘇寧金融科技（南京）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V30/14;G06V30/19;G06N20/00
• 代理公司: 北京市萬慧達律師事務所 11111
• 代理人: 顧友

1.一種圖像質量確定方法，其特征在于，所述方法包括：

將接收到的證照類文檔圖像轉化為灰度圖像；

確定所述灰度圖像的邊緣像素點，分別判斷所述邊緣像素點中所有Roof結構的邊緣像素點是否滿足模糊條件，計算滿足模糊條件的Roof結構的邊緣像素點的個數(shù)與所有Roof結構的邊緣像素點的個數(shù)的比值作為所述圖像的模糊度的指標；

根據(jù)預設的第一計算規(guī)則計算所述圖像的紋理噪聲的指標；

根據(jù)預設的第二計算規(guī)則計算所述圖像的對比度的指標；

利用所述模糊度的指標、紋理噪聲的指標和對比度的指標對所述圖像的質量進行確定；

其中，所述根據(jù)預設的第一計算規(guī)則計算所述圖像的紋理噪聲的指標包括：

對所述灰度圖像進行三階小波變換時，提取對所述灰度圖像進行一階小波變換后獲得的對角線方向分量HH₁、水平方向分量HL₁和垂直方向分量LH₁；

利用如下公式計算紋理噪聲的指標

其中，所述根據(jù)預設的第二計算規(guī)則計算所述圖像的對比度的指標包括：

將所述灰度圖像分成k₁×k₂個區(qū)塊后，利用如下公式分別計算各個區(qū)塊的標準差：

其中，σ為區(qū)塊中所有像素點的強度標準差，n為區(qū)塊中像素點的個數(shù)，I_i是指區(qū)塊中各個像素點的強度，是指區(qū)塊中所有像素點的強度平均值；

分別將所述各個區(qū)塊的標準差與預設的敏感度閾值比較，將標準差小于預設的敏感度閾值的區(qū)塊篩除；

對剩余的其他區(qū)塊利用如下公式計算對比度的指標RME：

其中，RME是指根均提升，k₁和k₂分別是指灰度圖像中每行和每列區(qū)塊的個數(shù)；i和j分別是指區(qū)塊位于灰度圖像中的橫坐標和縱坐標；I_i,j是指區(qū)塊中點的像素強度，n是指各個區(qū)塊像素點的個數(shù)，I₁、I₂……I_n是指區(qū)塊中各個像素點強度。

2.如權利要求1所述的圖像質量確定方法，其特征在于，所述確定所述灰度圖像的邊緣像素點包括：

對所述灰度圖像進行三階小波變換，提取每階小波變換得到的低頻分量；

利用三個低頻分量按照預設規(guī)則確定邊緣像素點。

3.如權利要求1或2所述的圖像質量確定方法，其特征在于，所述利用所述模糊度的指標、紋理噪聲的指標和對比度的指標對所述圖像的質量進行確定包括：

判斷所述模糊度的指標是否大于第一閾值、所述紋理噪聲的指標是否大于第二閾值和所述對比度的指標是否小于第三閾值，若是，則所述圖像被確定為低質量，若否，則所述圖像被確定為高質量。

4.如權利要求1或2所述的圖像質量確定方法，其特征在于，所述利用所述模糊度的指標、紋理噪聲的指標和對比度的指標對所述圖像的質量進行確定包括：

將所述模糊度的指標、所述紋理噪聲的指標和所述對比度的指標作為變量輸入預先訓練的第一機器學習模型中，其中預先訓練的第一機器學習模型的訓練集為已標注圖像質量的圖像樣本數(shù)據(jù)集合；

獲取所述預先訓練的第一機器學習模型對所述圖像的質量進行確定的結果。

5.如權利要求1或2所述的圖像質量確定方法，其特征在于，所述利用所述模糊度的指標、紋理噪聲的指標和對比度的指標對所述圖像的質量進行確定包括：

將所述模糊度的指標、所述紋理噪聲的指標和所述對比度的指標作為變量輸入預先訓練的第二機器學習模型中，其中預先訓練的第二機器學習模型的訓練集為已標注OCR準確率的圖像樣本數(shù)據(jù)集合；

所述預先訓練的第二機器學習模型計算出所述圖像的OCR準確率預估值，所述圖像的OCR準確率預估值大于預設的第四閾值時，則所述圖像被確定為高質量，否則，所述圖像被確定為低質量。

6.如權利要求1所述的圖像質量確定方法，其特征在于，所述方法還包括：

將質量滿足要求的圖像傳輸至OCR識別系統(tǒng)中進行識別。