基于局部梯度分布的拍摄图像优选方法及装置制造方法及图纸

本发明专利技术属于模式识别领域，具体涉及一种基于局部梯度分布的拍摄图像优选方法及装置，旨在解决如何在获取的多张目标文档的图像中快速准确地选择出最清晰的一张图像的问题。为此目的，本发明专利技术提供的优选方法包括：获取目标文档的多张尺寸一致的拍摄图像，并设置多个大小一致的第一候选框；计算每个第一候选框内图像的第一边缘信息强度，根据第一边缘信息强度的降序选取第二候选框；对目标文档的每张拍摄图像，计算每张所述拍摄图像的第一评估值和第二评估值；从第一评估值最高的图像和第二评估值最高的图像中选取满足预设条件的图像，并作为优选拍摄图像。本发明专利技术提供的优选方法适用于多种类型的文档图像，对于文档图像识别性能的提高有着重要意义。

【技术实现步骤摘要】
基于局部梯度分布的拍摄图像优选方法及装置
本专利技术属于模式识别领域，具体涉及一种基于局部梯度分布的拍摄图像优选方法及装置。
技术介绍
随着人工智能的热潮日渐高涨，相关的技术如图像处理、模式识别、计算机视觉等也得到了迅速的发展。图像中的文字能表达高层语义信息，因此对图像中的文字进行自动检测和识别的需求越来越大，文字识别技术能够实现文字信息的高速、自动地输入，节约了大量的人力资源，而文档图像广泛存在于交通、金融、物流、税务、行政管理等各个领域中，文档识别技术具有极大的经济效益和广泛的社会价值。而随着智能终端快速普及，手机相机逐渐成为采集图像的重要方式，使得基于拍照的文档自动识别技术得到快速的发展。然而，拍照图像容易受到复杂背景、不均匀光照、低分辨率、抖动等各种因素的影响，给拍照文档的识别造成了困难，因此，如何获取高质量的文档图像，成为影响识别性能的重要环节，为此，本专利技术提出了一种基于局部梯度分布的拍摄图像优选方法及装置，能够从获取的多张文档图像中，快速准确地选择出最清晰的一张，用于后期的识别，对于文档图像识别性能的提高有着重要的意义。
技术实现思路
为了解决现有技术中的上述问题，即为了解决如何在获取的多张目标文档的图像中快速准确地选择出最清晰的一张图像的问题。为此目的，本专利技术的第一方面，提供了一种基于局部梯度分布的拍摄图像优选方法，包括：获取目标文档的多张尺寸一致的拍摄图像；基于所述拍摄图像的尺寸信息，设置多个大小一致的第一候选框；基于任一所述拍摄图像，利用设定的第一边缘检测阈值，计算每个第一候选框内图像的第一边缘信息强度，根据所述第一边缘信息强度的降序选取设定数量的第一候选框，并定义为第二候选框；对所述目标文档的每张所述拍摄图像，基于设定的第二边缘检测阈值和第三边缘检测阈值分别计算每个所述第二候选框内图像的第二边缘信息强度和第三边缘信息强度，并通过加权平均的方法得到每张所述拍摄图像的第一评估值和第二评估值，选取第一评估值最高的图像和第二评估值最高的图像；从所述第一评估值最高的图像和所述第二评估值最高的图像中选取满足预设条件的图像，并作为优选拍摄图像。进一步地，本专利技术提供的一个优选技术方案为：所述方法还包括：对拍摄图像进行灰度化处理；将所述灰度处理化后的拍摄图像中目标候选框内的图像尺寸调整至预设的目标尺寸；利用预设的像素图像检测算法，计算调整至所述目标尺寸的图像的梯度幅值并对所计算的梯度幅值进行归一化处理；根据所述归一化处理后的梯度幅值和预设的目标阈值，获取所述目标候选框内图像的边缘信息强度；其中，当所述目标候选框是第一候选框时，所述目标阈值是第一边缘检测阈值且所述边缘信息强度是第一边缘信息强度；当所述目标候选框是第二候选框时，所述目标阈值是第二边缘检测阈值和第三边缘检测阈值且所述边缘信息强度是第二边缘信息强度和第三边缘信息强度。进一步地，本专利技术提供的一个优选技术方案为：“通过加权平均的方法得到每张所述拍摄图像的第一评估值和第二评估值”的步骤包括：按照下式所示的方法计算所述第一评估值和第二评估值：其中，所述value_1为第一评估值，所述value_2为第二评估值，所述q为第二候选框的编号且q＝1～n，所述value1q为第二边缘信息强度且所述value2q为第三边缘信息强度且所述s1是第二边缘检测阈值，所述s2是第三边缘检测阈值，s1≠s2，所述Wp为预设的加权系数；所述加权系数Wp的计算公式为：其中，所述p为第一候选框的编号，所述valuep为第p个第一候选框内图像的第一边缘信息强度，所述s3是第一边缘检测阈值，s3≥0，所述为第一候选框内图像的梯度幅值为k的个数。进一步地，本专利技术提供的一个优选技术方案为：所述像素图像检测算法是基于Sobel算子或Roberts算子或Prewitt算子的像素图像检测算法。进一步地，本专利技术提供的一个优选技术方案为：“从所述第一评估值最高的图像和所述第二评估值最高的图像中选取满足预设条件的图像，并作为优选拍摄图像”的步骤包括：根据设定的阈值T1和阈值T2，并利用下式从所述第一评估值最高的图像和所述第二评估值最高的图像中选取优选拍摄图像：其中，所述k表示优选拍摄图像，所述k1表示第一评估值最高的图像，所述k2表示第二评估值最高的图像，所述value_1(k1)为图像k1的第一评估值，所述value_2(k2)为图像k2的第二评估值，所述null表示未选取出优选拍摄图像。进一步地，本专利技术提供的一个优选技术方案为：“将所述灰度处理化后的拍摄图像中目标候选框内的图像尺寸调整至预设的目标尺寸”的步骤包括：利用双线性插值算法，对所述灰度处理化后的拍摄图像进行插值处理来将目标候选框内的图像尺寸调整至预设的目标尺寸。进一步地，本专利技术提供的一个优选技术方案为：“设置多个大小一致的第一候选框”的步骤包括：基于所述拍摄图像尺寸信息均匀设置多个尺寸一致的第一候选框，或者在所述拍摄图像内随机生成多个尺寸一致的第一候选框。进一步地，本专利技术提供的一个优选技术方案为：通过具有连拍功能的图像采集装置以连拍的方式获取所述目标文档的多张尺寸一致的拍摄图像。本专利技术的第二方面，还提供了一种存储装置，其中存储有多条程序，所述程序适于由处理器加载并执行以实现上述的基于局部梯度分布的拍摄图像优选方法。本专利技术的第三方面，还提供了一种控制装置，包括：处理器，适于执行各条程序；存储设备，适于存储多条程序；其特征在于，所述程序适于由处理器加载并执行以实现上述的基于局部梯度分布的拍摄图像优选方法。与最接近的现有技术相比，上述技术方案至少具有如下有益效果：本专利技术的技术方案中，根据图像的边缘信息强度，能够快速准确地从多张目标文档的拍摄图像中选择出最清晰的一张，提高文档图像的识别性能。附图说明图1为本专利技术实施例中一种基于局部梯度分布的拍摄图像优选方法的主要步骤示意图；图2为本专利技术实施例中一张出租车发票的拍摄图片示意图；图3为本专利技术实施例中一种选取的第一候选框的位置示意图；图4为本专利技术实施例中一种包含文字区域的图片及该图片对应的梯度直方图示意图；图5为本专利技术实施例中一种非文字区域的图片及该图片对应的梯度直方图示意图；图6为本专利技术实施例中一种选取的第二候选框的位置示意图；图7为本专利技术实施例中一种包含清晰文字区域的图像及该图像对应的梯度直方图示意图；图8为本专利技术实施例中一种包含模糊文字区域的图像及该图像对应的梯度直方图示意图。具体实施方式下面参照附图来描述本专利技术的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本专利技术的技术原理，并非旨在限制本专利技术的保护范围。本专利技术实施例提供了一种基于局部梯度分布的拍摄图像优选方法，能够在获取的多张目标文档的拍摄图中，快速准确地选择出最清晰的一张图像，该方法适用于多种类型的文档图像，有利于提高文档图像识别性能。下面结合附图，对本专利技术提供的基于梯度分布的拍摄图像优选方法进行说明。参阅附图1，图1示例性示出了本实施例中一种基于梯度分布的拍摄图像优选方法的主要步骤，如图1所示，本实施例中的基于梯度分布的拍摄图像优选方法可以包括下述内容：步骤S101：获取目标文档的多张尺寸一致的拍摄图像。具体地，可以通过具有连拍功能的图像采集装置以连拍的方式获取目标文档的多张尺寸一致的拍摄图像。目标文档的拍本文档来自技高网...

【技术保护点】
1.一种基于局部梯度分布的拍摄图像优选方法，其特征在于包括：获取目标文档的多张尺寸一致的拍摄图像；基于所述拍摄图像的尺寸信息，设置多个大小一致的第一候选框；基于任一所述拍摄图像，利用设定的第一边缘检测阈值，计算每个第一候选框内图像的第一边缘信息强度，根据所述第一边缘信息强度的降序选取设定数量的第一候选框，并定义为第二候选框；对所述目标文档的每张所述拍摄图像，基于设定的第二边缘检测阈值和第三边缘检测阈值分别计算每个所述第二候选框内图像的第二边缘信息强度和第三边缘信息强度，并通过加权平均的方法得到每张所述拍摄图像的第一评估值和第二评估值，选取第一评估值最高的图像和第二评估值最高的图像；从所述第一评估值最高的图像和所述第二评估值最高的图像中选取满足预设条件的图像，并作为优选拍摄图像。

【技术特征摘要】
1.一种基于局部梯度分布的拍摄图像优选方法，其特征在于包括：获取目标文档的多张尺寸一致的拍摄图像；基于所述拍摄图像的尺寸信息，设置多个大小一致的第一候选框；基于任一所述拍摄图像，利用设定的第一边缘检测阈值，计算每个第一候选框内图像的第一边缘信息强度，根据所述第一边缘信息强度的降序选取设定数量的第一候选框，并定义为第二候选框；对所述目标文档的每张所述拍摄图像，基于设定的第二边缘检测阈值和第三边缘检测阈值分别计算每个所述第二候选框内图像的第二边缘信息强度和第三边缘信息强度，并通过加权平均的方法得到每张所述拍摄图像的第一评估值和第二评估值，选取第一评估值最高的图像和第二评估值最高的图像；从所述第一评估值最高的图像和所述第二评估值最高的图像中选取满足预设条件的图像，并作为优选拍摄图像。2.根据权利要求1所述的基于局部梯度分布的拍摄图像优选方法，其特征在于，所述方法还包括：对拍摄图像进行灰度化处理；将所述灰度处理化后的拍摄图像中目标候选框内的图像尺寸调整至预设的目标尺寸；利用预设的像素图像检测算法，计算调整至所述目标尺寸的图像的梯度幅值并对所计算的梯度幅值进行归一化处理；根据所述归一化处理后的梯度幅值和预设的目标阈值，获取所述目标候选框内图像的边缘信息强度；其中，当所述目标候选框是第一候选框时，所述目标阈值是第一边缘检测阈值且所述边缘信息强度是第一边缘信息强度；当所述目标候选框是第二候选框时，所述目标阈值是第二边缘检测阈值和第三边缘检测阈值且所述边缘信息强度是第二边缘信息强度和第三边缘信息强度。3.根据权利要求2所述的基于局部梯度分布的拍摄图像优选方法，其特征在于，“通过加权平均的方法得到每张所述拍摄图像的第一评估值和第二评估值”的步骤包括：按照下式所示的方法计算所述第一评估值和第二评估值：其中，所述value_1为第一评估值，所述value_2为第二评估值，所述q为第二候选框的编号且q＝1～n，所述value1q为第二边缘信息强度且所述value2q为第三边缘信息强度且所述s1是第二边缘检测阈值，所述s2是第三边缘检测阈值，s1≠s2，所述Wp为预设的加权系数；所述加权系数Wp的计算公式为：其中，所述p为第一候选框的编号，所述value...

【专利技术属性】
技术研发人员：史存召，王淼，王春恒，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11