CN116012859A - 基于清晰度指标的文本图像拒识判断方法、装置及设备 - Google Patents
基于清晰度指标的文本图像拒识判断方法、装置及设备 Download PDFInfo
- Publication number
- CN116012859A CN116012859A CN202310121033.0A CN202310121033A CN116012859A CN 116012859 A CN116012859 A CN 116012859A CN 202310121033 A CN202310121033 A CN 202310121033A CN 116012859 A CN116012859 A CN 116012859A
- Authority
- CN
- China
- Prior art keywords
- definition
- text image
- determining
- target text
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001156002 Anthonomus pomorum Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了基于清晰度指标的文本图像拒识判断方法、装置及设备,包括:获取待判断的目标文本图像,确定目标文本图像对应的多个清晰度指标值,以及各清晰度指标值对应的清晰度区间阈值;根据各清晰度指标值,以及各清晰度指标值对应的清晰度区间阈值,确定各清晰度指标对应的评分;根据各清晰度指标对应的评分,以及与各清晰度指标匹配的目标权重,确定与目标文本图像对应的质量评分;根据目标文本图像对应的质量评分,确定与目标文本图像对应的拒识判断结果。本发明实施例的技术方案可以提高文本图像拒识判断结果的准确性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及基于清晰度指标的文本图像拒识判断方法、装置及设备。
背景技术
随着互联网技术的快速发展,深度学习算法已普遍应用于文本图像识别领域中。然而,对于一些图像质量较差(例如图像模糊以及图像曝光等)的文本图像,深度学习算法仍存在识别准确率较低的问题。为了减轻识别系统的压力,避免深度学习算法对质量较差的图像进行无效识别,在图像识别之前对文本图像进行拒识判断显得尤为重要。
现有技术中,通常是采用平均模板方法对文本图像进行拒识判断,即利用训练样本图像来生成平均模板,由此实现对非模板类的目标进行拒识。
但是,上述方法仅适用于自动目标识别领域,对于低质量的文本图像缺乏针对性的拒识效果。
发明内容
本发明提供了基于清晰度指标的文本图像拒识判断方法、装置及设备,可以提高文本图像拒识判断结果的准确性。
根据本发明的一方面,提供了一种基于清晰度指标的文本图像拒识判断方法,所述方法包括:
获取待判断的目标文本图像,确定所述目标文本图像对应的多个清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值;
根据各所述清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值,确定各清晰度指标对应的评分;
根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,确定与所述目标文本图像对应的质量评分;
根据所述目标文本图像对应的质量评分,确定与所述目标文本图像对应的拒识判断结果。
根据本发明的另一方面,提供了一种基于清晰度指标的文本图像拒识判断装置,所述装置包括:
图像获取模块,用于获取待判断的目标文本图像,确定所述目标文本图像对应的多个清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值;
指标评分确定模块,用于根据各所述清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值,确定各清晰度指标对应的评分;
质量评分确定模块,用于根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,确定与所述目标文本图像对应的质量评分;
拒识判断模块,用于根据所述目标文本图像对应的质量评分,确定与所述目标文本图像对应的拒识判断结果。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的基于清晰度指标的文本图像拒识判断方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于清晰度指标的文本图像拒识判断方法。
本发明实施例提供的技术方案,通过获取待判断的目标文本图像,确定目标文本图像对应的多个清晰度指标值,以及各清晰度指标值对应的清晰度区间阈值,根据各清晰度指标值,以及各清晰度指标值对应的清晰度区间阈值,确定各清晰度指标对应的评分,根据各清晰度指标对应的评分,以及与各清晰度指标匹配的目标权重,确定与目标文本图像对应的质量评分,根据目标文本图像对应的质量评分,确定与目标文本图像对应的拒识判断结果的技术手段,可以提高文本图像拒识判断结果的准确性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例提供的一种基于清晰度指标的文本图像拒识判断方法的流程图;
图2是根据本发明实施例提供的另一种基于清晰度指标的文本图像拒识判断方法的流程图;
图3是根据本发明实施例提供的另一种基于清晰度指标的文本图像拒识判断方法的流程图;
图4是根据本发明实施例提供的一种基于清晰度指标的文本图像拒识判断装置的结构示意图;
图5是实现本发明实施例的基于清晰度指标的文本图像拒识判断方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明实施例一提供的一种基于清晰度指标的文本图像拒识判断方法的流程图,本实施例可适用于对文本图像进行拒识判断的情况,该方法可以由基于清晰度指标的文本图像拒识判断装置来执行,该装置可以采用硬件和/或软件的形式实现,该装置可配置于具备数据处理功能的电子设备(例如终端或者服务器)中。如图1所示,该方法包括:
步骤110、获取待判断的目标文本图像,确定所述目标文本图像对应的多个清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值。
在本实施例中,获取到待判断的目标文本图像后,可以计算目标文本图像在多个清晰度指标下的数据值(也即清晰度指标值)。具体的,所述清晰度指标可以包括Brenner函数、Tenengrad函数、Vollath函数、Laplacian函数以及平均灰度等。
在一个具体的实施例中,在获取目标文本图像之前,可以预先建立多个清晰度等级,如清晰度很好、好、一般好、一般不好、不好和很不好等,然后设定各清晰度等级下,不同清晰度指标对应的清晰度区间。具体的,所述清晰度区间可以为设定的数值范围。
在计算出目标文本图像的清晰度指标值后,可以根据所述清晰度指标值所属的数值范围,确定匹配的清晰度区间,并获取该清晰度区间对应的清晰度区间阈值。
步骤120、根据各所述清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值,确定各清晰度指标对应的评分。
在本实施例中,可选的,可以根据各清晰度指标值对应的清晰度区间阈值,对各清晰度指标值进行归一化处理,得到各清晰度指标对应的评分。
步骤130、根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,确定与所述目标文本图像对应的质量评分。
在此步骤中,可选的,可以根据各清晰度指标对应的评分,以及与各清晰度指标匹配的目标权重,对各清晰度指标对应的评分进行线性或非线性处理,得到与目标文本图像对应的质量评分。
步骤140、根据所述目标文本图像对应的质量评分,确定与所述目标文本图像对应的拒识判断结果。
在本实施例中,具体的,如果目标文本图像对应的质量评分较高,则可以认为目标文本图像满足识别要求,对应的拒识判断结果可以为“正常识别”;反之,如果目标文本图像对应的质量评分较低,则可以认为目标文本图像质量较差,对应的拒识判断结果可以为“放弃识别,请上传清晰图像”。
在本实施例中,通过根据目标文本图像对应的各清晰度指标值以及清晰度区间阈值,确定各清晰度指标对应的评分,并根据该评分确定图像对应的质量评分,一方面可以提高拒识判断结果的准确性,另一方面还可以向用户直观反馈文本图像的质量,避免识别系统对质量较差的图像进行无效识别,由此可以提高用户对识别系统的使用体验。
本发明实施例提供的技术方案,通过获取待判断的目标文本图像,确定目标文本图像对应的多个清晰度指标值,以及各清晰度指标值对应的清晰度区间阈值,根据各清晰度指标值,以及各清晰度指标值对应的清晰度区间阈值,确定各清晰度指标对应的评分,根据各清晰度指标对应的评分,以及与各清晰度指标匹配的目标权重,确定与目标文本图像对应的质量评分,根据目标文本图像对应的质量评分,确定与目标文本图像对应的拒识判断结果的技术手段,可以提高文本图像拒识判断结果的准确性。
图2为本发明实施例二提供的一种基于清晰度指标的文本图像拒识判断方法的流程图,本实施例是对上述实施例的进一步细化。如图2所示,该方法包括:
步骤201、设定多个不同的清晰度等级,并按照所述多个清晰度等级,获取多个清晰度质量不同的样本图像。
在此步骤中,可选的,所述清晰度等级可以包括清晰度很好、好、一般好、一般不好、不好和很不好等。可选的,在设定不同的清晰度等级后,可以按照清晰度等级以及预设比例,获取多个清晰度质量不同的文本图像作为样本图像。
步骤202、分别确定各所述样本图像对应的多个清晰度指标值,并将各所述样本图像对应的多个清晰度指标值,划分至不同的清晰度等级。
在本实施例中,假设清晰度指标包括Brenner函数、Tenengrad函数、Vollath函数、Laplacian函数以及平均灰度,则可以根据统计学方法,将各样本图像对应的上述5个清晰度指标值,划分至不同的清晰度等级。
可选的,假设样本图像对应的某个清晰度指标值较高,则可以将该清晰度指标值划分至清晰度很好的等级内;如果某个清晰度指标值适中,则可以将该清晰度指标值划分至清晰度一般好的等级内;如果某个清晰度指标值较低,则可以将该清晰度指标值划分至清晰度很不好的等级内。
步骤203、根据各所述清晰度等级对应的划分结果,确定各所述清晰度等级下,不同清晰度指标对应的不同清晰度区间。
在此步骤中,可以根据各清晰度等级对应的划分结果,确定各清晰度等级下,各清晰度指标对应的多个不同清晰度指标值,并根据各清晰度指标对应的多个清晰度指标值,确定各清晰度指标对应的清晰度区间。
步骤204、将各所述清晰度等级下,不同清晰度指标对应的不同清晰度区间,存储至预设的配置文件中。
步骤205、获取待判断的原始文本图像,对所述原始文本图像进行灰度化处理。
在本实施例中,为了提高文本图像拒识判断结果的准确性,可以对获取的原始文本图像进行预处理。
步骤206、对处理后的原始文本图像进行尺寸调整,并对调整结果进行归一化处理,得到目标文本图像。
在此步骤在,可以按照预设的高度与宽度,对处理后的原始文本图像进行尺寸调整。这样设置的好处在于,通过将目标文本图像压缩至固定小尺寸,可以节省对目标文本图像进行拒识判断的耗时,提高判断效率。
步骤207、确定所述目标文本图像对应的多个清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值。
在本实施例的一个实施方式中,确定各所述清晰度指标值对应的清晰度区间阈值,包括:在所述配置文件中,获取与各所述清晰度指标值对应的清晰度区间,以及清晰度区间阈值。
这样设置的好处在于,通过配置文件即可快速获取到各清晰度指标值对应的清晰度区间阈值,进而可以提高对目标文本图像进行拒识判断的效率。
步骤208、根据各所述清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值,确定各清晰度指标对应的评分。
在一个具体的实施例中,假设目标文本图像对应的某个清晰度指标值为x,对应的清晰度区间阈值中最大阈值为maxx,最小阈值为minx,则可以通过下述公式计算该清晰度指标对应的评分y:
y=(x-minx)/(maxx-minx)
步骤209、根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,确定与所述目标文本图像对应的质量评分。
步骤210、根据所述目标文本图像对应的质量评分,确定与所述目标文本图像对应的拒识判断结果。
在本实施例的一个实施方式中,根据所述目标文本图像对应的质量评分,确定与所述目标文本图像对应的拒识判断结果,包括:将所述目标文本图像对应的质量评分,与预设的图像评分阈值进行比对,并根据比对结果,确定与所述目标文本图像对应的拒识判断结果。
在一个具体的实施例中,如果目标文本图像对应的质量评分,大于图像评分阈值,则可以认为目标文本图像满足识别要求,对应的拒识判断结果可以为“正常识别”;反之,如果目标文本图像对应的质量评分,小于或等于图像评分阈值,则可以认为目标文本图像质量较差,对应的拒识判断结果可以为“放弃识别,请上传清晰图像”。
本发明实施例提供的技术方案,通过设定多个不同的清晰度等级,按照多个清晰度等级获取多个清晰度质量不同的样本图像,分别确定各样本图像对应的多个清晰度指标值,并将各样本图像对应的多个清晰度指标值,划分至不同的清晰度等级,根据各清晰度等级对应的划分结果,确定各清晰度等级下不同清晰度指标对应的不同清晰度区间,获取待判断的原始文本图像,对原始文本图像进行灰度化处理、尺寸调整以及归一化处理,得到目标文本图像,确定目标文本图像对应的多个清晰度指标值以及清晰度区间阈值,根据各清晰度指标值以及清晰度区间阈值,确定各清晰度指标对应的评分,根据各清晰度指标对应的评分以及目标权重,确定与目标文本图像对应的质量评分以及拒识判断结果的技术手段,可以提高文本图像拒识判断结果的准确性。
图3为本发明实施例三提供的一种基于清晰度指标的文本图像拒识判断方法的流程图,本实施例是对上述实施例的进一步细化。如图3所示,该方法包括:
步骤301、设定多个不同的清晰度等级,并按照所述多个清晰度等级,获取多个清晰度质量不同的样本图像。
步骤302、分别确定各所述样本图像对应的多个清晰度指标值,并将各所述样本图像对应的多个清晰度指标值,划分至不同的清晰度等级。
步骤303、根据各所述清晰度等级对应的划分结果,确定各所述清晰度等级下,不同清晰度指标对应的不同清晰度区间。
步骤304、将各所述清晰度等级下,不同清晰度指标对应的不同清晰度区间,存储至预设的配置文件中。
步骤305、根据各所述样本图像对应的多个清晰度指标值,确定各清晰度指标值对应的清晰度区间阈值。
在此步骤中,可选的,可以根据各样本图像对应的清晰度指标值所属的数值范围,确定匹配的清晰度区间,并获取该清晰度区间对应的清晰度区间阈值。
步骤306、根据各清晰度指标值对应的清晰度区间阈值,确定每个样本图像下不同清晰度指标对应的评分。
在此步骤中,可选的,可以采用与步骤208相同的计算方式,确定每个样本图像下不同清晰度指标对应的评分。
步骤307、根据每个样本图像下不同清晰度指标对应的评分,以及各清晰度指标对应的预设权重,计算每个样本图像对应的质量评分。
在一个具体的实施例中,以一个样本图像为例,假设该样本图像下不同清晰度指标对应的评分为y1、y2、y3、y4和y5,各清晰度指标对应的预设权重分别为w1、w2、w3、w4、和w5,则与该样本图像对应的质量评分S可以通过下述公式计算得到:
S=w1*y1+w2*y2+w3*y3+w4*y4+w5*y5
步骤308、根据每个样本图像对应的,质量评分与实际评分之间的差异,对各所述预设权重进行更新,得到与各所述清晰度指标匹配的目标权重。
在本实施例中,可选的,在计算样本图像的质量评分之前,可以通过人为方式根据样本图像的清晰度,确定样本图像对应的实际评分。在计算出样本图像的质量评分之后,可以根据质量评分与实际评分之间的差异,对预设权重进行更新,以使权重更新后的质量评分与实际评分之间的误差最小。
步骤309、将与各所述清晰度指标匹配的目标权重,存储至预设的配置文件中。
步骤310、获取待判断的目标文本图像,确定所述目标文本图像对应的多个清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值。
步骤311、根据各所述清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值,确定各清晰度指标对应的评分。
步骤312、根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,确定与所述目标文本图像对应的质量评分。
在本实施例的一个实施方式中,根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,确定与所述目标文本图像对应的质量评分,包括:在所述配置文件中获取与各所述清晰度指标匹配的目标权重;根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,对各所述清晰度指标对应的评分进行加权求和,得到与所述目标文本图像对应的质量评分。
在此步骤中,可选的,在获取到目标权重后,可以采用与步骤307相同的计算方式,计算目标文本图像对应的质量评分。
步骤313、根据所述目标文本图像对应的质量评分,确定与所述目标文本图像对应的拒识判断结果。
本发明实施例提供的技术方案,通过设定多个不同的清晰度等级,按照多个清晰度等级获取多个清晰度质量不同的样本图像,分别确定各样本图像对应的多个清晰度指标值,并将各样本图像对应的多个清晰度指标值,划分至不同的清晰度等级,根据各清晰度等级对应的划分结果,确定各清晰度等级下,不同清晰度指标对应的不同清晰度区间,根据各样本图像对应的多个清晰度指标值,确定各清晰度指标值对应的清晰度区间阈值,根据各清晰度指标值对应的清晰度区间阈值,确定每个样本图像下不同清晰度指标对应的评分以及每个样本图像对应的质量评分,根据每个样本图像对应的,质量评分与实际评分之间的差异,对各预设权重进行更新得到目标权重,获取待判断的目标文本图像,确定目标文本图像对应的多个清晰度指标值以及清晰度区间阈值,根据各清晰度指标值以及清晰度区间阈值,确定各清晰度指标对应的评分以及目标文本图像对应的质量评分,根据目标文本图像对应的质量评分,确定与目标文本图像对应的拒识判断结果的技术手段,可以提高文本图像拒识判断结果的准确性。
图4为本发明实施例四提供的一种基于清晰度指标的文本图像拒识判断装置的结构示意图,如图4所示,该装置包括:图像获取模块410、指标评分确定模块420、质量评分确定模块430和拒识判断模块440。
其中,图像获取模块410,用于获取待判断的目标文本图像,确定所述目标文本图像对应的多个清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值;
指标评分确定模块420,用于根据各所述清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值,确定各清晰度指标对应的评分;
质量评分确定模块430,用于根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,确定与所述目标文本图像对应的质量评分;
拒识判断模块440,用于根据所述目标文本图像对应的质量评分,确定与所述目标文本图像对应的拒识判断结果。
本发明实施例提供的技术方案,通过获取待判断的目标文本图像,确定目标文本图像对应的多个清晰度指标值,以及各清晰度指标值对应的清晰度区间阈值,根据各清晰度指标值,以及各清晰度指标值对应的清晰度区间阈值,确定各清晰度指标对应的评分,根据各清晰度指标对应的评分,以及与各清晰度指标匹配的目标权重,确定与目标文本图像对应的质量评分,根据目标文本图像对应的质量评分,确定与目标文本图像对应的拒识判断结果的技术手段,可以提高文本图像拒识判断结果的准确性。
在上述实施例的基础上,所述装置还包括:
等级设定模块,用于设定多个不同的清晰度等级,并按照所述多个清晰度等级,获取多个清晰度质量不同的样本图像;
指标值划分模块,用于分别确定各所述样本图像对应的多个清晰度指标值,并将各所述样本图像对应的多个清晰度指标值,划分至不同的清晰度等级;
区间确定模块,用于根据各所述清晰度等级对应的划分结果,确定各所述清晰度等级下,不同清晰度指标对应的不同清晰度区间;
区间存储模块,用于将各所述清晰度等级下,不同清晰度指标对应的不同清晰度区间,存储至预设的配置文件中;
区间阈值获取模块,用于根据各所述样本图像对应的多个清晰度指标值,确定各清晰度指标值对应的清晰度区间阈值;
区间阈值处理模块,用于根据各清晰度指标值对应的清晰度区间阈值,确定每个样本图像下不同清晰度指标对应的评分;
样本评分确定模块,用于根据每个样本图像下不同清晰度指标对应的评分,以及各清晰度指标对应的预设权重,计算每个样本图像对应的质量评分;
权重更新模块,用于根据每个样本图像对应的,质量评分与实际评分之间的差异,对各所述预设权重进行更新,得到与各所述清晰度指标匹配的目标权重;
权重存储模块,用于将与各所述清晰度指标匹配的目标权重,存储至预设的配置文件中。
所述图像获取模块410包括:
灰度处理单元,用于获取待判断的原始文本图像,对所述原始文本图像进行灰度化处理;
尺寸调整单元,用于对处理后的原始文本图像进行尺寸调整,并对调整结果进行归一化处理,得到所述目标文本图像;
区间获取单元,用于在所述配置文件中,获取与各所述清晰度指标值对应的清晰度区间,以及清晰度区间阈值。
所述质量评分确定模块430包括:
目标权重获取单元,用于在所述配置文件中获取与各所述清晰度指标匹配的目标权重;
加权求和单元,用于根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,对各所述清晰度指标对应的评分进行加权求和,得到与所述目标文本图像对应的质量评分。
所述拒识判断模块440包括:
评分比对单元,用于将所述目标文本图像对应的质量评分,与预设的图像评分阈值进行比对,并根据比对结果,确定与所述目标文本图像对应的拒识判断结果。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本发明实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如基于清晰度指标的文本图像拒识判断方法。
在一些实施例中,基于清晰度指标的文本图像拒识判断方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的基于清晰度指标的文本图像拒识判断方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于清晰度指标的文本图像拒识判断方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种基于清晰度指标的文本图像拒识判断方法,其特征在于,所述方法包括:
获取待判断的目标文本图像,确定所述目标文本图像对应的多个清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值;
根据各所述清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值,确定各清晰度指标对应的评分;
根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,确定与所述目标文本图像对应的质量评分;
根据所述目标文本图像对应的质量评分,确定与所述目标文本图像对应的拒识判断结果。
2.根据权利要求1所述的方法,其特征在于,获取待判断的目标文本图像,包括:
获取待判断的原始文本图像,对所述原始文本图像进行灰度化处理;
对处理后的原始文本图像进行尺寸调整,并对调整结果进行归一化处理,得到所述目标文本图像。
3.根据权利要求1所述的方法,其特征在于,在获取待判断的目标文本图像之前,还包括:
设定多个不同的清晰度等级,并按照所述多个清晰度等级,获取多个清晰度质量不同的样本图像;
分别确定各所述样本图像对应的多个清晰度指标值,并将各所述样本图像对应的多个清晰度指标值,划分至不同的清晰度等级;
根据各所述清晰度等级对应的划分结果,确定各所述清晰度等级下,不同清晰度指标对应的不同清晰度区间;
将各所述清晰度等级下,不同清晰度指标对应的不同清晰度区间,存储至预设的配置文件中。
4.根据权利要求3所述的方法,其特征在于,确定各所述清晰度指标值对应的清晰度区间阈值,包括:
在所述配置文件中,获取与各所述清晰度指标值对应的清晰度区间,以及清晰度区间阈值。
5.根据权利要求3所述的方法,其特征在于,在将各所述清晰度等级下,不同清晰度指标对应的不同清晰度区间,存储至预设的配置文件中之后,还包括:
根据各所述样本图像对应的多个清晰度指标值,确定各清晰度指标值对应的清晰度区间阈值;
根据各清晰度指标值对应的清晰度区间阈值,确定每个样本图像下不同清晰度指标对应的评分;
根据每个样本图像下不同清晰度指标对应的评分,以及各清晰度指标对应的预设权重,计算每个样本图像对应的质量评分;
根据每个样本图像对应的,质量评分与实际评分之间的差异,对各所述预设权重进行更新,得到与各所述清晰度指标匹配的目标权重;
将与各所述清晰度指标匹配的目标权重,存储至预设的配置文件中。
6.根据权利要求5所述的方法,其特征在于,根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,确定与所述目标文本图像对应的质量评分,包括:
在所述配置文件中获取与各所述清晰度指标匹配的目标权重;
根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,对各所述清晰度指标对应的评分进行加权求和,得到与所述目标文本图像对应的质量评分。
7.根据权利要求1所述的方法,其特征在于,根据所述目标文本图像对应的质量评分,确定与所述目标文本图像对应的拒识判断结果,包括:
将所述目标文本图像对应的质量评分,与预设的图像评分阈值进行比对,并根据比对结果,确定与所述目标文本图像对应的拒识判断结果。
8.一种基于清晰度指标的文本图像拒识判断装置,其特征在于,所述装置包括:
图像获取模块,用于获取待判断的目标文本图像,确定所述目标文本图像对应的多个清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值;
指标评分确定模块,用于根据各所述清晰度指标值,以及各所述清晰度指标值对应的清晰度区间阈值,确定各清晰度指标对应的评分;
质量评分确定模块,用于根据各所述清晰度指标对应的评分,以及与各所述清晰度指标匹配的目标权重,确定与所述目标文本图像对应的质量评分;
拒识判断模块,用于根据所述目标文本图像对应的质量评分,确定与所述目标文本图像对应的拒识判断结果。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的基于清晰度指标的文本图像拒识判断方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于清晰度指标的文本图像拒识判断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310121033.0A CN116012859A (zh) | 2023-02-15 | 2023-02-15 | 基于清晰度指标的文本图像拒识判断方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310121033.0A CN116012859A (zh) | 2023-02-15 | 2023-02-15 | 基于清晰度指标的文本图像拒识判断方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116012859A true CN116012859A (zh) | 2023-04-25 |
Family
ID=86037448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310121033.0A Pending CN116012859A (zh) | 2023-02-15 | 2023-02-15 | 基于清晰度指标的文本图像拒识判断方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116012859A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116612466A (zh) * | 2023-07-20 | 2023-08-18 | 腾讯科技(深圳)有限公司 | 基于人工智能的内容识别方法、装置、设备及介质 |
-
2023
- 2023-02-15 CN CN202310121033.0A patent/CN116012859A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116612466A (zh) * | 2023-07-20 | 2023-08-18 | 腾讯科技(深圳)有限公司 | 基于人工智能的内容识别方法、装置、设备及介质 |
CN116612466B (zh) * | 2023-07-20 | 2023-09-29 | 腾讯科技(深圳)有限公司 | 基于人工智能的内容识别方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112488060B (zh) | 目标检测方法、装置、设备和介质 | |
CN116012859A (zh) | 基于清晰度指标的文本图像拒识判断方法、装置及设备 | |
US20230096921A1 (en) | Image recognition method and apparatus, electronic device and readable storage medium | |
CN113627361B (zh) | 人脸识别模型的训练方法、装置及计算机程序产品 | |
CN113657249B (zh) | 训练方法、预测方法、装置、电子设备以及存储介质 | |
CN113011345B (zh) | 图像质量检测方法、装置、电子设备、可读存储介质 | |
CN113887630A (zh) | 图像分类方法、装置、电子设备和存储介质 | |
CN113902899A (zh) | 训练方法、目标检测方法、装置、电子设备以及存储介质 | |
CN116363444A (zh) | 模糊分类模型训练方法、识别模糊图像的方法及装置 | |
CN114724144B (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
CN115984613A (zh) | 一种眼底图像分类方法、装置、设备和存储介质 | |
CN114999665A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN113362297B (zh) | 用于印刷电路板的图像处理方法、设备和存储介质 | |
CN115361584B (zh) | 一种视频数据处理方法、装置、电子设备及可读存储介质 | |
CN115578583B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN115550300B (zh) | 即时通讯系统登录方法、装置、设备及介质 | |
CN117746069B (zh) | 以图搜图的模型训练方法、和以图搜图方法 | |
CN114866437B (zh) | 一种节点检测方法、装置、设备及介质 | |
CN114398558B (zh) | 信息推荐方法、装置、电子设备和存储介质 | |
CN116304635A (zh) | 一种抽水蓄能设备的运行数据分析方法、装置及设备 | |
CN116580218A (zh) | 一种控制方法、装置、设备及存储介质 | |
CN116129243A (zh) | 一种雷达图像的物体检测方法、装置、设备及存储介质 | |
CN117670772A (zh) | 瞳孔检测方法、装置、设备及存储介质 | |
CN116304796A (zh) | 一种数据分类方法、装置、设备及介质 | |
CN116596941A (zh) | 一种图像分割方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |