票据图像的处理方法和装置、存储介质及电子设备制造方法及图纸

本申请提供了一种票据图像的处理方法和装置、存储介质及电子设备，属于图像处理领域。其中，该方法包括：获取待审核的目标图像；将目标图像输入到目标分类模型中的目标特征提取网络，得到目标特征提取网络输出的目标图像的目标模糊特征；将目标模糊特征输入到目标分类模型的目标全连接层，得到目标全连接层输出的目标模糊概率；根据目标模糊概率和预设模糊概率阈值，确定目标图像的目标分类结果；在目标分类结果用于指示目标图像不是模糊图像的情况下，确定对目标图像审核通过。本申请解决了相关技术中存在由于对票据图像质量的清晰和模糊的鉴定界限不清楚所导致的图像识别效果具有一定局限性的问题。

【技术实现步骤摘要】
票据图像的处理方法和装置、存储介质及电子设备
本申请涉及图像处理领域，尤其涉及一种票据图像的处理方法和装置、存储介质及电子设备。
技术介绍
在理赔受理、银行业务办理等场景中，根据申请人提供的票据材料业务申请受理方首先会进行票据的人工审核，根据票据是否有质量问题判断该当前业务是否进入受理阶段。如有问题，业务申请受理方会将对应票据问题反馈给申请人，申请人根据要求进行回传。上述人工审核的方式存在耗时长、人力资源消耗的问题，用户体验差。相关技术，也可以对票据图像质量进行自动审核。票据图像质量的自动审核一般采用传统计算机视觉的方法和机器学习模型，来区分票据图像的清晰与模糊。然而，当前对票据图像质量的清晰与模糊没有绝对标准，人工构造的特征具有有限性和局限性，导致图像识别效果具有一定局限性。因此，相关技术中存在由于对票据图像质量的清晰和模糊的鉴定界限不清楚所导致的图像识别效果具有一定局限性的问题。
技术实现思路
本申请提供了一种票据图像的处理方法和装置、存储介质及电子设备，以至少解决相关技术中存在由于对票据图像质量的清晰和模糊的鉴定界限不清楚所导致的图像识别效果具有一定局限性的问题。根据本申请实施例的一个方面，提供了一种票据图像的处理方法，所述方法包括：获取待审核的目标图像，其中，所述目标图像为申请受理目标业务的票据图像；将所述目标图像输入到目标分类模型中的目标特征提取网络，得到所述目标特征提取网络输出的所述目标图像的目标模糊特征，其中，所述目标特征提取网络，是使用同一票据图像不同模糊程度的至少两个票据图像进行训练得到的；所述目标分类模型，是使用第一票据图像样本集对包含有所述目标特征提取网络的初始分类模型进行训练微调得到的；将所述目标模糊特征输入到所述目标分类模型的目标全连接层，得到所述目标全连接层输出的目标模糊概率，其中，所述目标模糊概率为所述目标图像是模糊图像的概率；根据所述目标模糊概率和预设模糊概率阈值，确定所述目标图像的目标分类结果，其中，所述目标分类结果用于指示所述目标图像是否是模糊图像；在所述目标分类结果用于指示所述目标图像不是模糊图像的情况下，确定对所述目标图像审核通过。根据本申请实施例的另一个方面，还提供了一种票据图像的处理装置，该装置包括：第一获取模块，用于获取待审核的目标图像，其中，所述目标图像为申请受理目标业务的票据图像；第一输入模块，用于将所述目标图像输入到目标分类模型中的目标特征提取网络，得到所述目标特征提取网络输出的所述目标图像的目标模糊特征，其中，所述目标特征提取网络，是使用同一票据图像不同模糊程度的至少两个票据图像进行训练得到的；所述目标分类模型，是使用第一票据图像样本集对包含有所述目标特征提取网络的初始分类模型进行训练微调得到的；第二输入模块，用于将所述目标模糊特征输入到所述目标分类模型的目标全连接层，得到所述目标全连接层输出的目标模糊概率，其中，所述目标模糊概率为所述目标图像是模糊图像的概率；第一确定模块，用于根据所述目标模糊概率和预设模糊概率阈值，确定所述目标图像的目标分类结果，其中，所述目标分类结果用于指示所述目标图像是否是模糊图像；第二确定模块，用于在所述目标分类结果用于指示所述目标图像不是模糊图像的情况下，确定对所述目标图像审核通过。可选地，所述装置还包括：第二获取模块，用于在获取待审核的目标图像之前，获取所述第一票据图像样本集，所述第一票据图像样本集包含所述第一票据图像、以及用于指示所述第一票据图像是否为模糊图像的目标标注信息；第三确定模块，用于根据所述第一票据图像的模糊特征，确定所述第一票据图像是模糊图像的第一初始概率、以及所述第一票据图像不是模糊图像的第二初始概率；第四确定模块，用于根据所述第一初始概率和所述第二初始概率，确定所述第一票据图像的所述第一分类结果；调整模块，用于根据所述第一分类结果和所述目标标注信息调整所述初始分类模型的模型参数，得到所述目标分类模型。可选地，所述装置还包括：第三获取模块，用于获取所述第一票据图像样本集之前，获取第二票据图像样本集，其中，所述第二票据图像样本集包含至少两个第二票据图像、以及用于指示所述至少两个第二票据图像的模糊程度的顺序的目标排序结果；第五确定模块，用于使用所述第二票据图像样本集对初始图像排序模型进行训练，得到目标图像排序模型，其中，所述初始图像排序模型包括与所述目标特征提取网络对应的初始特征提取网络，所述初始图像排序模型用于根据所述至少两个第二票据图像的模糊特征，对所述至少两个第二票据图像的模糊程度进行排序，所述目标图像排序模型包括所述目标特征提取网络。可选地，所述调整模块包括：保留单元，用于保留所述目标图像排序模型内的所述目标特征提取网络；连接单元，用于在所述目标特征提取网络之后连接全局平均池化层和全连接层，得到所述初始分类模型；微调单元，用于根据输入的所述第一票据图像样本集和所述第一分类结果对所述初始分类模型进行微调，得到所述目标分类模型。可选地，所述第三获取模块包括以下至少之一：第一执行单元，用于对第一参考票据图像执行至少两种图像压缩操作，得到至少两个第一子票据图像，其中，所述至少两种图像压缩操作与所述至少两个第一子票据图像一一对应，所述至少两个第二票据图像包括所述至少两个第一子票据图像；第二执行单元，用于对第二参考票据图像执行至少两种模糊算子操作，得到至少两个第二子票据图像，其中，所述至少两种模糊算子操作与所述至少两个第二子票据图像一一对应，所述至少两个第二票据图像包括所述至少两个第二子票据图像；第三执行单元，用于对第三参考票据图像执行至少两种仿射变换操作，得到至少两个第三子票据图像，其中，所述至少两种仿射变换操作与所述至少两个第三子票据图像一一对应，所述至少两个第二票据图像包括所述至少两个第三子票据图像；第四执行单元，用于对第四参考票据图像执行至少两种亮度调节操作，得到至少两个第四子票据图像，其中，所述至少两种亮度调节操作与所述至少两个第四子票据图像一一对应，所述至少两个第二票据图像包括所述至少两个第四子票据图像。可选地，所述第五确定模块包括：获取单元，用于从所述至少两个第二票据图像中获取多个票据图像对，其中，所述多个票据图像对中的一个票据图像对包括同一票据图像不同模糊程度的两个票据图像；训练单元，用于使用所述多个票据图像对和所述目标排序结果对所述初始图像排序模型进行训练，得到所述目标图像排序模型，其中，所述初始图像排序模型为包括两个所述初始特征提取网络的孪生网络模型。可选地，所述获取单元包括：获取子单元，用于按照票据图像和模糊操作类型，从所述至少两个第二票据图像中获取多个票据图像对，其中，所述多个票据图像对中的一个票据图像对包括对同一票据图像执行相同类型的模糊操作所得到的、不同模糊程度的两个票据图像。可选地，所述装置还包括：第六确定模块，用于在本文档来自技高网...

【技术保护点】
1.一种票据图像的处理方法，其特征在于，所述方法包括：/n获取待审核的目标图像，其中，所述目标图像为申请受理目标业务的票据图像；/n将所述目标图像输入到目标分类模型中的目标特征提取网络，得到所述目标特征提取网络输出的所述目标图像的目标模糊特征，其中，所述目标特征提取网络，是使用同一票据图像不同模糊程度的至少两个票据图像进行训练得到的；所述目标分类模型，是使用第一票据图像样本集对包含有所述目标特征提取网络的初始分类模型进行训练微调得到的；/n将所述目标模糊特征输入到所述目标分类模型的目标全连接层，得到所述目标全连接层输出的目标模糊概率，其中，所述目标模糊概率为所述目标图像是模糊图像的概率；/n根据所述目标模糊概率和预设模糊概率阈值，确定所述目标图像的目标分类结果，其中，所述目标分类结果用于指示所述目标图像是否是模糊图像；/n在所述目标分类结果用于指示所述目标图像不是模糊图像的情况下，确定对所述目标图像审核通过。/n

【技术特征摘要】
1.一种票据图像的处理方法，其特征在于，所述方法包括：
获取待审核的目标图像，其中，所述目标图像为申请受理目标业务的票据图像；
将所述目标图像输入到目标分类模型中的目标特征提取网络，得到所述目标特征提取网络输出的所述目标图像的目标模糊特征，其中，所述目标特征提取网络，是使用同一票据图像不同模糊程度的至少两个票据图像进行训练得到的；所述目标分类模型，是使用第一票据图像样本集对包含有所述目标特征提取网络的初始分类模型进行训练微调得到的；
将所述目标模糊特征输入到所述目标分类模型的目标全连接层，得到所述目标全连接层输出的目标模糊概率，其中，所述目标模糊概率为所述目标图像是模糊图像的概率；
根据所述目标模糊概率和预设模糊概率阈值，确定所述目标图像的目标分类结果，其中，所述目标分类结果用于指示所述目标图像是否是模糊图像；
在所述目标分类结果用于指示所述目标图像不是模糊图像的情况下，确定对所述目标图像审核通过。


2.根据权利要求1所述的方法，其特征在于，所述获取待审核的目标图像之前，所述方法还包括：
获取所述第一票据图像样本集，所述第一票据图像样本集包含所述第一票据图像、以及用于指示所述第一票据图像是否为模糊图像的目标标注信息；
将所述第一票据图像输入到初始分类模型内的所述目标特征提取网络，得到所述第一票据图像的模糊特征；
根据所述第一票据图像的模糊特征，确定所述第一票据图像是模糊图像的第一初始概率、以及所述第一票据图像不是模糊图像的第二初始概率；
根据所述第一初始概率和所述第二初始概率，确定所述第一票据图像的第一分类结果；
根据所述第一分类结果和所述目标标注信息调整所述初始分类模型的模型参数，得到所述目标分类模型。


3.根据权利要求2所述的方法，其特征在于，所述获取所述第一票据图像样本集之前，所述方法还包括：
获取第二票据图像样本集，其中，所述第二票据图像样本集包含至少两个第二票据图像、以及用于指示所述至少两个第二票据图像的模糊程度的顺序的目标排序结果；
使用所述第二票据图像样本集对初始图像排序模型进行训练，得到目标图像排序模型，其中，所述初始图像排序模型包括与所述目标特征提取网络对应的初始特征提取网络，所述初始图像排序模型用于根据所述至少两个第二票据图像的模糊特征，对所述至少两个第二票据图像的模糊程度进行排序，所述目标图像排序模型包括所述目标特征提取网络。


4.根据权利要求3所述的方法，其特征在于，所述根据所述第一分类结果和所述目标标注信息调整所述初始分类模型的模型参数，得到所述目标分类模型包括：
保留所述目标图像排序模型内的所述目标特征提取网络；
在所述目标特征提取网络之后连接全局平均池化层和全连接层，得到所述初始分类模型；
根据输入的所述第一票据图像样本集和所述第一分类结果对所述初始分类模型进行微调，得到所述目标分类模型。


5.根据权利要求3所述的方法，其特征在于，所述获取第二票据图像样本集包括以下至少之一：
对第一参考票据图像执行至少两种图像压缩操作，得到至少两个第一子票据图像，其中，所述至少两种图像压缩操作与所述至少两个第一子票据图像一一对应，所述至少两个第二票据图像包括所述至少两个第一子票据图像；
对第二参考票据图像执行至少两种模糊算子操作，得到至少两个第二子票据图像，其中，所述至少两种模糊算子操作与所述至少两个第二子票据图像一一对应，所述至...

【专利技术属性】
技术研发人员：毕姚姚，陈琳，吴伟佳，李羽，
申请(专利权)人：微民保险代理有限公司，
类型：发明
国别省市：广东;44