[發明專利]一種基于CRNN的費用清算收據檢測方法

在審

• 申請號: 202211548687.3
• 申請日: 2022-12-05
• 公開（公告）號: CN116129455A
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 杜小燕
• 申請（專利權）人: 中信銀行股份有限公司
• 主分類號: G06V30/42
• 分類號: G06V30/42;G06V30/414;G06Q40/12
• 代理公司: 北京市蘭臺律師事務所 11354
• 代理人: 張峰

1.一種基于CRNN的費用清算收據檢測方法，其特征在于，所述方法包括：

獲得票據圖像，對所述票據圖像進行顏色定位識別，獲得定位識別結果；

基于所述定位識別結果進行所述票據圖像的印章特征消除，獲得初始處理圖像；

對所述初始處理圖像進行濾波處理，獲得降噪圖像；

基于UL-PCNN模型進行所述降噪圖像的初始處理，并獲得所述UL-PCNN模型在進行初始處理過程中的反饋輸入參數；

對所述反饋輸入參數進行對比度增強優化，生成優化反饋輸入參數，基于所述優化反饋輸入參數進行所述初始處理的圖像分割優化，獲得圖像分割結果；

通過Hough進行所述圖像分割結果的文字定位，基于文字定位結果和所述降噪圖像進行圖像截取，通過CRNN進行圖像截取結果的文字內容識別，生成內容識別結果；

通過所述內容識別結果進行清算檢測。

2.如權利要求1所述的方法，其特征在于，所述方法還包括：

獲得所述反饋輸入參數的參數坐標；

基于所述參數坐標采集獲得所述參數坐標的鄰域灰度值；

計算獲得所鄰域灰度值的平均值，判斷所述參數坐標的對應點灰度值是否大于所述平均值；

當所述參數坐標的對應點灰度值大于所述平均值時，則將所述鄰域灰度值中像素最大值替換為所述對應點的灰度值；

根據替換結果獲得所述優化反饋輸入參數。

3.如權利要求2所述的方法，其特征在于，所述方法還包括：

獲得所述UL-PCNN模型的連接系數β_ij；

通過公式進行所述連接系數β_ij優化，公式如下：

其中，m為坐標(i,j)鄰域內神經元個數，S_kl為坐標(i,j)點的鄰域灰度值，S_ij為坐標(i,j)點的灰度值。

4.如權利要求2所述的方法，其特征在于，所述方法還包括：

通過邊緣檢測進行降噪圖像和初始分割圖像的邊緣檢測，獲得原圖像邊緣G_S和分割圖像邊緣G_Y；

通過公式進行分割前后的圖像均方誤差E_MS，計算公式如下：

其中，M為圖像的行數；N為圖像的列數；

根據所述圖像均方誤差E_MS進行圖像分割評價，基于圖像分割評價結果進行分割優化后獲得所述圖像分割結果。

5.如權利要求1所述的方法，其特征在于，所述方法還包括：

構建顏色識別特征集合；

基于所述顏色識別特征集合進行所述票據圖像進行顏色特征識別，根據識別結果獲得所述定位識別結果，其中，所述定位識別結果包括印章特征定位結果；

對所述票據圖像進行像素的RGB中位數計算，根據計算結果得到紙張RGB通道值，通過所述紙張RGB通道值進行所述印章特征定位結果的印章像素點替換，根據替換結果獲得所述初始處理圖像。

6.如權利要求1所述的方法，其特征在于，所述對所述初始處理圖像進行濾波處理，獲得降噪圖像，還包括：

對所述初始處理圖像進行灰度化處理，獲得灰度處理圖像；

計算獲得所述灰度處理圖像中每個像素點的噪聲標準差，基于所述噪聲標準差獲得噪聲標準差集合；

獲得所述噪聲標準差集合的中值，將所述中值作為噪聲閾值；

對所述噪聲標準差集合中滿足所述噪聲閾值的像素點基于半邊旋轉窗口法重新計算噪聲標準差和濾波窗口，并基于計算結果進行所述噪聲標準差集合更新；

基于所述噪聲標準差集合更新結果進行所述灰度處理圖像中每個像素點的雙邊濾波處理，通過區域相似度模型進行強噪聲判定；

基于中值濾波器進行判定的強噪聲的噪聲去除，根據去除結果獲得所述降噪圖像。