图像处理系统、图像处理方法和存储介质技术方案

本发明专利技术涉及一种图像处理系统、图像处理方法和存储介质。为了降低针对图像数据中的字符串篡改的误判断的可能性，本发明专利技术包括：生成单元，其被配置为基于篡改字符图像、篡改之前的字符图像、以及表示所述篡改字符图像和所述篡改之前的字符图像之间的差的图像，通过进行机器学习处理来生成学习模型；输入单元，其被配置为输入图像数据；以及估计单元，其被配置为通过使用所述生成单元所生成的学习模型，来估计所述输入单元所输入的图像数据是否包括篡改字符。

【技术实现步骤摘要】
图像处理系统、图像处理方法和存储介质
本专利技术涉及图像处理系统、图像处理方法和存储介质。
技术介绍
已知有用以检测图像数据中的篡改(alteration)的传统技术。日本特开2009-200794论述了用于判断篡改的图像处理设备。该图像处理设备将图像数据分割成各自包括亮度值接近的像素的多个组，并且针对各组进行字符识别处理。如果针对各组进行字符识别处理的结果和在不对图像数据分组的情况下进行字符识别处理的结果彼此不同，则图像处理设备判断为图像已被篡改。
技术实现思路
日本特开2009-200794中所论述的技术仅基于亮度来判断篡改的有无。因而，由于由墨模糊或书写压力引起的字符的亮度变化，因此即使字符无篡改，该技术也可能对篡改作出误判断。本专利技术是有鉴于上述问题而设计的，并且旨在降低针对图像数据中的字符串篡改的误判断的可能性。根据本专利技术的一种图像处理系统，包括：生成部件，用于基于篡改图像、篡改之前的图像、以及表示所述篡改图像和所述篡改之前的图像之间的差的图像，通过进行机器学习处理来生成学习模型；输入部件，用于输入图像数据；以及估计部件，用于通过使用所述生成部件所生成的学习模型，来估计所述输入部件输入的图像数据是否包括篡改图像。根据本专利技术的一种图像处理方法，包括：基于篡改图像、篡改之前的图像、以及表示所述篡改图像和所述篡改之前的图像之间的差的图像，通过进行机器学习处理来生成学习模型；输入图像数据；以及通过使用在所述生成中所生成的学习模型，来估计在所述输入中所输入的图像数据是否包括篡改图像。根据本专利技术的一种非暂时性计算机可读存储介质，其存储程序，所述程序在计算机执行的情况下，使得所述计算机进行图像处理方法，所述图像处理方法包括：基于篡改图像、篡改之前的图像、以及表示所述篡改图像和所述篡改之前的图像之间的差的图像，通过进行机器学习处理来生成学习模型；输入图像数据；以及通过使用在所述生成中所生成的学习模型，来估计在所述输入中所输入的图像数据是否包括篡改图像。通过以下参考附图对典型实施例的说明，本专利技术的更多特征将变得明显。附图说明图1是示出根据典型实施例的图像处理系统的示例的框图。图2A是示出图像处理设备的结构的示例的框图。图2B是示出学习设备的结构的示例的框图。图2C是示出篡改检测服务器的结构的示例的框图。图3A是示出根据典型实施例的由图像处理系统在学习阶段进行的总体处理流程的示例的序列图。图3B是示出根据典型实施例的由图像处理系统在篡改检测阶段进行的总体处理流程的示例的序列图。图4是示出空白学习原稿的示例的示意图。图5是示出用于接收用于读取原稿的指示的图形用户界面(GUI)的示例的示意图。图6A是示出原始学习图像的示例的示意图。图6B是示出篡改学习图像的示例的示意图。图6C是示出从原始学习图像和篡改学习图像生成的学习数据的示例的示意图。图7A是示出处理对象图像的示例的示意图。图7B是示出作为篡改检测结果的位图的示例的示意图。图7C是示出具有强调的篡改部分的强调图像的示例的示意图。图8是示出由图像处理设备在篡改检测阶段进行的具体处理流程的示例的流程图。图9是示出由篡改检测服务器在篡改检测阶段进行的具体处理流程的示例的流程图。图10是示出用于设置和指定篡改检测的GUI的示例的示意图。图11A是示出用于显示篡改检测结果的列表的GUI的示例的示意图。图11B是示出用于显示篡改检测结果的详情的GUI的示例的示意图。图12是示出用于使得用户能够纠正篡改检测结果的GUI的示例的示意图。图13A是示出强调图像和比较图像以对比方式布置于的GUI的第一示例的示意图。图13B是示出强调图像和比较图像以对比方式布置于的GUI的第二示例的示意图。图14A是第一比较模式中的比较图像的示例。图14B是第二比较模式中的比较图像的示例。图14C是第三比较模式中的比较图像的示例。图14D是第四比较模式中的比较图像的示例。图15是示出用于使得用户能够纠正篡改检测结果的GUI的另一示例的示意图。图16是示出在对象原稿中检测到篡改的情况下由图像处理设备进行的具体显示控制处理流程的示例的流程图。图17是示出根据变形例的、强调图像和比较图像以对比方式布置于的GUI的示例的示意图。具体实施方式以下将参考附图来详细说明典型实施例。以下的典型实施例并未将本专利技术限制在所附权利要求书的范围内。尽管在典型实施例中描述了多个特征，但并非所有的这多个特征对于本专利技术而言都是必不可少的，并且这多个特征可以以任意方式组合。另外，在附图中，向相同或相似的结构指派相同的附图标记，并且将省略对这些结构的重复说明。<<1.系统概述>>图1是示出根据典型实施例的图像处理系统100的结构的示例的示意图。图像处理系统100包括图像处理设备101、学习设备102、篡改检测服务器103和光学字符识别(OCR)服务器104。图像处理设备101、学习设备102、篡改检测服务器103和OCR服务器104经由网络105彼此连接。图像处理设备101例如可以是具有打印和图像读取功能的多功能外设(MFP)、或者专用于图像读取的数字扫描器。图像处理设备101包括读取单元111和显示控制单元112。读取单元111读取原稿11以生成读取图像。更具体地，读取单元111获取原稿11的读取图像。原稿11典型地包括字符串，因而读取图像包括字符图像。例如，图像处理设备101可以在学习阶段支持学习数据的生成。更具体地，操作者在所准备的空白学习原稿中手写字符，并且将手写的学习原稿放置到图像处理设备101。学习原稿例如可以是在一个或多个预定位置处具有写入栏的表格文档。学习原稿可以具有用于唯一地标识各个体学习原稿的视觉标识信息(例如，打印编号、条形码或二维码)。图像处理设备101也能够打印空白学习原稿。读取单元111读取所放置的学习原稿以生成读取图像12。将读取图像12作为学习原稿的原件的图像来处理。在本说明书中，读取图像12也被称为原始学习图像。操作者或其他人篡改所书写的学习原稿(即，原件)(例如，用笔对所书写的学习原稿写笔划)，并将篡改后的学习原稿放置到图像处理设备101。读取单元111读取篡改后的学习原稿以生成读取图像13。在本说明书中，读取图像13也被称为篡改学习图像。通过重复以下的序列来生成多对原始学习图像12和篡改学习图像13：在学习原稿中手写字符；用图像处理设备101读取原件(学习原稿)；故意篡改学习原稿；以及用图像处理设备101读取篡改后的学习原稿(篡改版本)。图像处理设备101将这些对的原始学习图像12和篡改学习图像13经由网络105发送至学习设备102。学习设备102如以下所述通过使用从这些对生成的学习数据来进行机器学习。无论以上说明如何，原始学习图像12和篡改学习图像13的生成也可以由不同于图像处理设备101的设备来进行。在篡改检测阶段，图像处理设备101读取包本文档来自技高网...

【技术保护点】
1.一种图像处理系统，包括：/n生成部件，用于基于篡改图像、篡改之前的图像、以及表示所述篡改图像和所述篡改之前的图像之间的差的图像，通过进行机器学习处理来生成学习模型；/n输入部件，用于输入图像数据；以及/n估计部件，用于通过使用所述生成部件所生成的学习模型，来估计所述输入部件输入的图像数据是否包括篡改图像。/n

【技术特征摘要】
20191125 JP 2019-212299;20191125 JP 2019-2125261.一种图像处理系统，包括：
生成部件，用于基于篡改图像、篡改之前的图像、以及表示所述篡改图像和所述篡改之前的图像之间的差的图像，通过进行机器学习处理来生成学习模型；
输入部件，用于输入图像数据；以及
估计部件，用于通过使用所述生成部件所生成的学习模型，来估计所述输入部件输入的图像数据是否包括篡改图像。


2.根据权利要求1所述的图像处理系统，还包括显示部件，其中，在所述估计部件估计为所述输入部件输入的图像数据包括所述篡改图像的情况下，所述显示部件强调所述篡改图像中的篡改部分。


3.根据权利要求2所述的图像处理系统，其中，所述显示部件将所述输入部件输入的图像数据所表示的图像连同所述篡改部分被强调的图像一起显示。


4.根据权利要求2所述的图像处理系统，还包括：
接收部件；
第一确定部件，用于在所述接收部件接收到用户对所述显示部件显示的篡改图像中的像素的指定的情况下，确定为所指定的像素是篡改像素；以及
第二确定部件，用于在所述接收部件接收到用户对所述显示部件显示的篡改图像中的像素的指定的情况下，确定为所指定的像素不是篡改像素。


5.根据权利要求2所述的图像处理系统，其中，在所述估计部件估计为所述输入部件输入的图像数据不包括所述篡改图像的情况下，所述显示部件显示指示未检测到篡改的信息。


6.根据权利要求1所述的图像处理系统，其中，所述学习部件基于所述输入部件输入的图像数据所表示的篡改图像、所述输入部件输入的图像数据所表示的篡改之前的图像、以及表示所述篡改图像和所述篡改之前的图像之间的差的图像，通过进行机器学习处理来生成学习模型。


7.根据权利要求6所述的图像处理系统，还包括第三确定部件，所述第三确定部件用于基于所指定的标识信息，来确定基于所述输入部件输入的图像数据所表示的篡改图像和所述输入部件输入的图像数据所表示的篡改之前的图像、通过所述机器学习处理所更新的学习模型。


8.根据权利要求7所述的图像处理系统，还包括存储部件，所述存储部件用于将所述学习模型和所述标识信息以关联方式存储，
其中，所述第三确定部件将与所指定的标识信息相对应的学习模型确定为基于所述输入部件输入的篡改之前的图像、通过所述机器学习处理所更新的学习模型。


9.根据权利要求1所述的图像处理系统，还包括：
判断部件，用于判断所述输入部件输入的图像数据所表示的图像是否为篡改图像、...

【专利技术属性】
技术研发人员：世渡秀和，
申请(专利权)人：佳能株式会社，
类型：发明
国别省市：日本;JP