[發明專利]票據圖像生成方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110995840.6
• 申請日: 2021-08-27
• 公開（公告）號: CN113537229A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 陳小旋;余元超;雷剛;任方杰
• 申請（專利權）人: 廣州廣電運通金融電子股份有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62;G06T7/194
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 盧曉霞

本申請涉及票據圖像生成方法、裝置、計算機設備和存儲介質。所述方法包括：獲取具有特征字符的第一票據圖像；將第一票據圖像輸入至字符去除模型，得到去除特征字符的第一票據背景圖像；對第一票據背景圖像和第一票據圖像進行預設圖像處理，得到特征字符遮罩圖；根據特征字符遮罩圖和第一票據圖像，生成特征字符彩色圖；若特征字符彩色圖和去除特征字符的第二票據背景圖像滿足預設的字符遷移條件，則根據特征字符彩色圖和第二票據背景圖像生成字符遷移票據圖像；字符遷移票據圖像用于對實際票據圖像進行數據擴充。采用本方法能夠實現對稀有票據和稀有字符的數據擴充，具有較好圖像生成效果，為識別模型提供了數據支持，有助于提升識別率。

技術領域

本申請涉及圖像處理技術領域，特別是涉及一種票據圖像生成方法、裝置、計算機設備和存儲介質。

背景技術

隨著人工智能的發展，深度學習與越來越多工業領域逐步結合，由于深度學習精準度受數據量的影響，深度學習模型訓練效果與數據量、數據質量呈正相關，當數據量不足時，即使深度學習模型合理，深度學習模型訓練效果也較差。

當票據市場較小，或票據上字符出現頻率較低時，其票據對應字符樣本量不足以支持深度學習的樣本學習，將導致模型識別率不高，造成票據誤判與漏判。

因此，相關技術中存在因稀有票據與稀有字符的樣本量不足，無法提升模型識別率的問題。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠解決上述問題的一種票據圖像生成方法、裝置、計算機設備和存儲介質。

一種票據圖像生成方法，所述方法包括：

獲取具有特征字符的第一票據圖像；所述第一票據圖像由實際票據圖像切分得到；

將所述第一票據圖像輸入至字符去除模型，得到去除所述特征字符的第一票據背景圖像；

對所述第一票據背景圖像和所述第一票據圖像進行預設圖像處理，得到特征字符遮罩圖；所述特征字符遮罩圖為具有所述特征字符且無票據背景的灰度圖；

根據所述特征字符遮罩圖和所述第一票據圖像，生成特征字符彩色圖；

若所述特征字符彩色圖和去除所述特征字符的第二票據背景圖像滿足預設的字符遷移條件，則根據所述特征字符彩色圖和所述第二票據背景圖像生成字符遷移票據圖像；所述字符遷移票據圖像用于對所述實際票據圖像進行數據擴充。

在一個實施例中，所述獲取具有特征字符的第一票據圖像，包括：

獲取具有特征字符的實際票據圖像；所述特征字符在所述實際票據圖像中對應有一個或多個字符位置；

根據所述一個或多個字符位置，對所述實際票據圖像進行切分，得到一個或多個具有所述特征字符的切分票據圖像；

基于所述切分票據圖像，通過圖像縮放處理和圖像通道轉換處理，得到所述第一票據圖像；所述圖像通道轉換處理用于使待輸入的票據圖像符合所述字符去除模型的輸入條件。

在一個實施例中，在所述將所述第一票據圖像輸入至字符去除模型，得到去除所述特征字符的第一票據背景圖像的步驟之前，還包括：

獲取訓練樣本數據；所述訓練樣本數據包括具有所述特征字符的第二票據圖像和去除所述特征字符的標簽票據圖像，所述第二票據圖像和所述標簽票據圖像由所述實際票據圖像切分后，通過圖像縮放處理和圖像通道轉換處理得到；

基于預置模型參數的預訓練字符去除模型，采用所述第二票據圖像和所述標簽票據圖像對所述預訓練字符去除模型進行模型訓練，得到所述字符去除模型。

在一個實施例中，所述對所述第一票據背景圖像和所述第一票據圖像進行預設圖像處理，得到特征字符遮罩圖，包括：