本申请实施例属于人工智能领域，涉及一种图像模糊度的评估方法，包括：获取待处理的文档图像；基于预设的二值化方法获取所述文档图像的感兴趣区域，并从所述感兴趣区域中提取梯度特征；基于所述梯度特征生成所述文档图像的模糊特征；将所述模糊特征输入至预先训练得到的模糊评估模型内，通过所述模糊评估模型输出与所述模糊特征对应的模糊度数值；基于所述模糊度数值生成所述文档图像的模糊度评估结果。本申请还提供一种图像模糊度的评估装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，模糊度数值可存储于区块链中。本申请通过使用模糊评估模型对文档图像进行模糊评估处理，提高了对于文档图像的模糊度评估的处理效率与准确性。效率与准确性。效率与准确性。
【技术实现步骤摘要】
图像模糊度的评估方法、装置、计算机设备及存储介质
[0001]本申请涉及人工智能
，尤其涉及图像模糊度的评估方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着OCR(Optical Character Recognition，光学字符识别)技术的应用越来越广泛，一些影响OCR的识别结果因素得到了学术界和工业界的关注，图像模糊度正是这些因素之中的一个重要因素。在现实场景中，纸质文档是人们日常办公的信息传输媒介，通过拍摄文档而采集到的图像称为文档图像，随着手机、平板电脑等便携移动设备的普及，文档图像在人们生活中有着丰富的应用场景，例如发票、合同、个人档案等纸质资料的电子档案。自然场景下采集到的文档图像质量参差不齐，对于文档图像的清晰度的评估是当前衡量文档图像的质量好坏的重要环节。
[0003]现有的图像模糊评估方法一般可以分为两大类，第一类方法基于人工设计的特征，根据人工设定的规则或对模糊区域和清晰区域进行区分，这类方法依赖于人工设定的规则以及特征，特征的有效程度和计算量是影响算法性能的关键因素，从而无法保证对于文档图像的模糊评估结果的准确性。第二类方法基于深度学习，此类方法在某些特定场景优于第一类方法，但依赖数据的数量和质量，以及需要设计一套严谨的标注标准，此外该方法计算量大，从而导致图像模糊评估的处理效率低下，且不适合在低算力平台上实施，不能很好地解决问题。
技术实现思路
[0004]本申请实施例的目的在于提出一种图像模糊度的评估方法、装置、计算机设备及存储介质，以解决现有的图像模糊评估方法存在处理效率低下，且无法保证对于文档图像的模糊评估结果的准确性的技术问题。
[0005]为了解决上述技术问题，本申请实施例提供一种图像模糊度的评估方法，采用了如下所述的技术方案：
[0006]获取待处理的文档图像；
[0007]基于预设的二值化方法获取所述文档图像的感兴趣区域，并从所述感兴趣区域中提取梯度特征；
[0008]基于所述梯度特征生成所述文档图像的模糊特征；
[0009]将所述模糊特征输入至预先训练得到的模糊评估模型内，通过所述模糊评估模型输出与所述模糊特征对应的模糊度数值；
[0010]基于所述模糊度数值生成所述文档图像的模糊度评估结果。
[0011]进一步的，所述基于预设的二值化方法获取所述文档图像的感兴趣区域，并从所述感兴趣区域中提取梯度特征的步骤，具体包括：
[0012]将所述文档图像转换为灰度图像；
[0013]基于所述二值化方法对所述灰度图像进行处理，得到所述感兴趣区域；
[0014]基于预设的卷积核对所述灰度图像进行卷积处理，得到与所述灰度图像对应的梯度图；
[0015]使用所述感兴趣区域对所述梯度图进行掩码处理，得到所述感兴趣区域中的梯度特征。
[0016]进一步的，所述基于所述二值化方法对所述灰度图像进行处理，得到所述感兴趣区域的步骤，具体包括：
[0017]使用预设尺寸的高斯权重卷积核对所述灰度图像进行卷积处理，得到相应的卷积结果；
[0018]将所述卷积结果减去预设参数得到阈值图；
[0019]将所述灰度图像与阈值图进行比较处理，遍历所述灰度图像中包含的所有像素，若所述灰度图像中的指定像素的值大于等于所述阈值图中对应像素的值，则将所述指定像素的值标记为255，否则将所述指定像素的值标记为0，在完成对所述灰度图像的遍历处理后得到相应的二值图；其中，所述指定像素为所述灰度图像中包含的所有像素中的任意一个像素；
[0020]将所述二值图中值为255的目标像素作为所述文档图像的感兴趣区域。
[0021]进一步的，所述基于预设的卷积核对所述灰度图像进行卷积处理，得到与所述灰度图像对应的梯度图的步骤，具体包括：
[0022]使用预设的第一卷积核对所述灰度图像进行卷积处理，得到对应的第一梯度图；
[0023]使用预设的第二卷积核对所述灰度图像进行卷积处理，得到对应的第二梯度图；
[0024]基于预设计算公式对所述第一梯度图与所述第二梯度图进行计算处理，得到与所述灰度图像对应的梯度图。
[0025]进一步的，所述基于所述梯度特征生成所述文档图像的模糊特征的步骤，具体包括：
[0026]计算所有所述梯度特征的平均值；
[0027]将所述平均值作为所述文档图像的模糊特征。
[0028]进一步的，所述基于所述模糊度数值生成所述文档图像的模糊度评估结果的步骤，具体包括：
[0029]获取预设的模糊度阈值；
[0030]将所述模糊度数值与所述模糊度阈值进行比较，判断所述模糊度数值是否小于所述模糊度阈值；
[0031]若小于所述模糊度阈值，则生成所述文档图像为清晰图像的第一模糊度评估结果；
[0032]若不小于所述模糊度阈值，则生成所述文档图像为模糊图像的第二模糊度评估结果。
[0033]进一步的，在所述将所述模糊特征输入至预先训练得到的模糊评估模型内，通过所述模糊评估模型输出与所述模糊特征对应的模糊度数值的步骤之前，还包括：
[0034]获取预先收集的文档图像样本；
[0035]对所述文档图像样本进行标签标注处理，得到对应的文档图像数据集；
[0036]对于所述文档图像数据集中的每一张指定文档图像，获取所述指定文档图像的指定感兴趣区域，从所述指定感兴趣区域中提取指定梯度特征，并基于所述指定梯度特征生成指定模糊特征；
[0037]基于所述指定模糊特征以及与所述指定文档图像对应的标签，生成相应的文档图像特征数据集；
[0038]调用预设的逻辑回归模型；
[0039]基于随机梯度下降法，使用所述文档图像特征数据集对所述逻辑回归模型进行训练，得到所述模糊评估模型。
[0040]为了解决上述技术问题，本申请实施例还提供一种图像模糊度的评估装置，采用了如下所述的技术方案：
[0041]第一获取模块，用于获取待处理的文档图像；
[0042]第二获取模块，用于基于预设的二值化方法获取所述文档图像的感兴趣区域，并从所述感兴趣区域中提取梯度特征；
[0043]第一生成模块，用于基于所述梯度特征生成所述文档图像的模糊特征；
[0044]输出模块，用于将所述模糊特征输入至预先训练得到的模糊评估模型内，通过所述模糊评估模型输出与所述模糊特征对应的模糊度数值；
[0045]第二生成模块，用于基于所述模糊度数值生成所述文档图像的模糊度评估结果。
[0046]为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
[0047]获取待处理的文档图像；
[0048]基于预设的二值化方法获取所述文档图像的感兴趣区域，并从所述感兴趣区域中提取梯度特征；
[0049]基于所述梯度特征生成所述文档图像的模糊特征；
[0050]将所述模糊特征输入至预先训练得到的模糊评估模本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像模糊度的评估方法，其特征在于，包括下述步骤：获取待处理的文档图像；基于预设的二值化方法获取所述文档图像的感兴趣区域，并从所述感兴趣区域中提取梯度特征；基于所述梯度特征生成所述文档图像的模糊特征；将所述模糊特征输入至预先训练得到的模糊评估模型内，通过所述模糊评估模型输出与所述模糊特征对应的模糊度数值；基于所述模糊度数值生成所述文档图像的模糊度评估结果。2.根据权利要求1所述的图像模糊度的评估方法，其特征在于，所述基于预设的二值化方法获取所述文档图像的感兴趣区域，并从所述感兴趣区域中提取梯度特征的步骤，具体包括：将所述文档图像转换为灰度图像；基于所述二值化方法对所述灰度图像进行处理，得到所述感兴趣区域；基于预设的卷积核对所述灰度图像进行卷积处理，得到与所述灰度图像对应的梯度图；使用所述感兴趣区域对所述梯度图进行掩码处理，得到所述感兴趣区域中的梯度特征。3.根据权利要求2所述的图像模糊度的评估方法，其特征在于，所述基于所述二值化方法对所述灰度图像进行处理，得到所述感兴趣区域的步骤，具体包括：使用预设尺寸的高斯权重卷积核对所述灰度图像进行卷积处理，得到相应的卷积结果；将所述卷积结果减去预设参数得到阈值图；将所述灰度图像与阈值图进行比较处理，遍历所述灰度图像中包含的所有像素，若所述灰度图像中的指定像素的值大于等于所述阈值图中对应像素的值，则将所述指定像素的值标记为255，否则将所述指定像素的值标记为0，在完成对所述灰度图像的遍历处理后得到相应的二值图；其中，所述指定像素为所述灰度图像中包含的所有像素中的任意一个像素；将所述二值图中值为255的目标像素作为所述文档图像的感兴趣区域。4.根据权利要求2所述的图像模糊度的评估方法，其特征在于，所述基于预设的卷积核对所述灰度图像进行卷积处理，得到与所述灰度图像对应的梯度图的步骤，具体包括：使用预设的第一卷积核对所述灰度图像进行卷积处理，得到对应的第一梯度图；使用预设的第二卷积核对所述灰度图像进行卷积处理，得到对应的第二梯度图；基于预设计算公式对所述第一梯度图与所述第二梯度图进行计算处理，得到与所述灰度图像对应的梯度图。5.根据权利要求1所述的图像模糊度的评估方法，其特征在于，所述基于所述梯度特征生成所述文档图像的模糊特征的步骤，具体包括：计...
【专利技术属性】
技术研发人员：谢凯西，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。