【技术实现步骤摘要】
一种基于扫描试卷的图像恢复系统以及使用方法
[0001]本专利技术属于图像恢复
,具体为一种基于扫描试卷的图像恢复系统以及使用方法。
技术介绍
[0002]现有的网上阅卷都是针对扫描试卷进行的,通过对学生试卷的扫描将纸质试卷电子化,从而实现了快速的网上阅卷。但除去大型的统考,如中高考等,平时学校自行组织的考试用卷材质参差不齐、试卷容易折叠、扫描中容易受到油墨污染等,造成实际的扫描试卷质量不高,存在字迹模糊、背景污染等,严重影响后续的文本识别和分析。因此,采用某种计算机处理技术对质量较低的扫描试卷进行恢复非常必要。
[0003]传统的图像恢复技术旨在应用计算机图像处理技术,消除图像成像过程中因摄像机与物体相对运动、系统误差、畸变、噪声、图像扫描污染等因素。在该过程中,需要先建立造成图像质量下降的退化模型,再应用模型反推真实图像,同时运用特定的算法或标准来判定图像恢复的效果。由于实际中图像受损情况复杂,因此很难建立统一的图像降质模型。
[0004]近年来,深度学习技术已经被广泛应用到图像恢复中,并且展示出其强大的图像恢复能力。但现有基于深度学习的图像恢复多是针对自然图像进行,专门针对这种扫描的试卷图像研究较少。针对自然图像的恢复技术主要有图像去噪、去模糊、去马赛克、图像补全以及图像超分辨率复原等技术。针对扫描试卷图像,主要涉及到图像去噪、去模糊和超分辨率复原三种技术。本专利技术中对此不做详细区分,统称为图像恢复。
[0005]通过调研和实验发现,现有的基于深度学习的图像去噪技术大都存在不同程 ...
【技术保护点】
【技术特征摘要】
1.一种基于扫描试卷的图像恢复系统,其特征在于,包括attention部分、生成器部分、判别器部分以及网络约束部分组成。2.如权利要求1所述的一种基于扫描试卷的图像恢复系统,其特征在于,attention部分机制主要关注背景信息,该部分信息通过对噪声图像和原始图像做差并阈值化得到,即mask_noise,计算公式见公式:式中,D表示判别器,G表示生成器,C表示ground truth样本,N表示带有噪声的样本,具体的经过计算后得到的attention_map生成部分网络结构描述如下:
①
包括2个残差块,每个残差块均采用5个卷积层后接Leaky
‑
Relu非线性激活层设计,除第一个卷积层采用3
×
3的卷积核外,其余采用1
×
1的卷积核;
②
残差块后接再一个卷积层作为attention_map的输出,卷积核大小为1。3.如权利要求1所述的一种基于扫描试卷的图像恢复系统,其特征在于,所述生成器部分具体为:将带有噪声的低分辨率扫描图像low_res_noise_image和attention机制中公式计算得到的Attention_map在channel维度上进行叠加后作为生成器的输入,生成器的最终输出是恢复后的高分辨率图像high_res_denoising_image,网络整体采用Encoder+Decoder结构,为了保留更多的细节信息,中间设计了多个跳层连接,同时加入了4个膨胀卷积层,并对最后结果进行多尺度输出,其包括编码器部分和解码器部分。4.如权利要求3所述的一种基于扫描试卷的图像恢复系统,其特征在于,所述编码器部分具体:包括6个卷积层,卷积核大小除第一层设置为5外,其余层均为3,每个卷积层后接Leaky
‑
Relu非线性激活层;6个卷积层后接4个膨胀卷积层,卷积核大小均为3,膨胀率依次设置为2、4、8、16,每个卷积层后接Leaky
‑
Relu非线性激活层;4个膨胀卷积层后再接2个卷积层,卷积核代销均为3,每个卷积层后接Leaky
‑
Relu非线性激活层。5.如权利要求3所述的一种基于扫描试卷的图像恢复系统,其特征在于,所述解码器部分具体:包括3个反卷积解码模块,每个模块包含一个卷积核为4的反卷积层,反卷积层后接平均池化层和Leaky
‑
Relu非线性激活层,然后再接卷积核为3的卷积层,该层输入中增加跳层连接,最后再接Leaky
‑
Relu非线性激活层;多尺度输出,分别对输出图像的1.0、0.5、0.25尺度下的解码结果进行输出。6.如权利要求1所述的一种基于扫描试卷的图像恢复系统,其特征在于,所述判别器部分具体为:将生成器的输出结果和高分辨率清晰图像high_res_clean_image作为判别器的输入,对去噪后的高分辨率图像进行判别,判别器网络中也引入了attention机制,对前景信息和背景信息分别进行判别,各部分描述如下:包括9个卷积层,卷积核大小均为5,其中,第6层卷积层后接一个attention_map层,卷积核大小仍为5,输出channel为1,卷积层7,输入为attention_map与第6个卷积层后的结果进行乘积,卷积核大小仍为5,卷积层8和9,卷积核大小仍为5;以及2个全连接层,对卷积后的结果进行全连接层输出,神经元个数分别为1024和1,全连接层2后面接sigmoid非线性激活层。7.如权利要求1所述的一种基于扫描试卷的图像恢复系统,其特征在于,所述网络约束部分:设计多个网络误差约束,保留更多的图像细节信息,具体描述如下:对抗约束:判别器对网络输出结果...
【专利技术属性】
技术研发人员:闫琦,李哲,陈家海,
申请(专利权)人:安徽七天教育科技有限公司,
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。