基于高斯模糊的理赔材料图像质量控制方法、系统以及设备技术方案

本发明专利技术提供了一种基于高斯模糊的理赔材料图像质量控制方法，该基于高斯模糊的理赔材料图像质量控制方法包括以下步骤：获取输入的理赔材料的图像；建立理赔材料图像质量评分模型，综合处理图像清晰度评估指标算法，执行理赔材料图像的计算机视觉图像质量评分；以及获取理赔材料图像质量评分模型的理赔材料图像的图像质量评分结果，高斯模糊比较理赔材料图像，执行基于计算机视觉的无参考图像质量指标分析；输出理赔材料图像清晰判断结果。输出理赔材料图像清晰判断结果。输出理赔材料图像清晰判断结果。

【技术实现步骤摘要】
基于高斯模糊的理赔材料图像质量控制方法、系统以及设备


[0001]本专利技术涉及图像处理领域，尤其涉及一种基于高斯模糊的理赔材料图像质量控制方法、系统以及设备。

技术介绍

[0002]随着金融科技赋能保险领域，一些业务场景由于高重复率和经验导向的特性非常适合运用人工智能进行替代，为保险企业在未来的系统智能化升级过程中起到了降本增效的作用。对于保险理赔来说，理赔材料的图像质量控制，直接影响到理赔的定损、核赔等后续流程的时效，同时对于保险公司内部风险控制反欺诈具有重要的意义。保险行业一定程度上属于人员密集型行业，中国保险企业的人力成本大约占总成本的30％，通过系统检测进行理赔材料的图像质量控制一定意义上节省了大量重复的人力劳动，直接降低了企业的盈利水平。因此理赔材料图像质量控制对于保险公司理赔系统的智能化具有重要的意义。
[0003]图像质量评价是指通过对图像信号进行相关特性分析，评价图像的视觉失真程度。在图像清晰度判别中，往往因为生成图像(拍摄角度亮度色调等)的各种因素，导致清晰度判断低下，与人为主观感受差距过大。
[0004]又因为理赔材料多为人为(客户)拍摄，其无法具有统一性、规范性，对于客户拍摄上传的图片是否可以使用，传统行业只能通过业务人员人工判断其结果是否清晰，因此关于理赔材料的图像清晰度判断为无参考图像质量判断。
[0005]在传统图像质量判断中，由于以上各种原因，实际应用时多使用全参考图像质量评价和半参考图像质量评价，这类方法多通过特征提取等方式，量化参考图像与失真图像的差异，往往需要图像的规范与统一。

技术实现思路

[0006]本专利技术的目的之一在于提供一种基于高斯模糊的理赔材料图像质量控制方法、系统以及设备，能够针对理赔材料的无参考图像质量分析，提高该领域的图像清晰度判断准确率，辅助业务人员更好地跟进流程，提高效率。
[0007]本专利技术的目的之一在于提供一种基于高斯模糊的理赔材料图像质量控制方法、系统以及设备，能够通过将许多针对图像清晰度算法的结合，同时针对理赔材料领域，将清晰度的判断与主观及人为判断达到最优解，大幅提高了清晰图像筛选的准确率和实际应用效率。
[0008]为了实现上述至少一个专利技术目的，本专利技术提供了一种基于高斯模糊的理赔材料图像质量控制方法，所述基于高斯模糊的理赔材料图像质量控制方法包括以下步骤：
[0009]获取输入的理赔材料的图像；
[0010]建立理赔材料图像质量评分模型，综合处理图像清晰度评估指标算法，执行理赔材料图像的计算机视觉图像质量评分；以及
[0011]获取理赔材料图像质量评分模型的理赔材料图像的图像质量评分结果，高斯模糊
比较理赔材料图像，执行基于计算机视觉的无参考图像质量指标分析；
[0012]输出理赔材料图像清晰判断结果。
[0013]在一些实施例中，其中基于计算机视觉的无参考图像质量指标分析步骤中，还包括以下步骤：高斯模糊比较理赔材料图像，对同一张图像执行竖向多次模糊比较，获取待测图像和模糊图像通过理赔材料图像质量评分模型的综合算法计算得到的图像指标，根据这些指标的变化情况确定清晰度值的高低，计算结果变化越小则该图像越清晰，反之则模糊。
[0014]在一些实施例中，其中所述基于高斯模糊的理赔材料图像质量控制方法还包括以下步骤：执行最终图像清晰度各类算法指标的归一化处理；以及加权计算最终图像质量评分。
[0015]在一些实施例中，其中所述基于高斯模糊的理赔材料图像质量控制方法还包括以下步骤：
[0016]获取输入的所有理赔材料图像的综合清晰度评分；以及
[0017]根据清晰度层级的阈值将输入的图像分类成清晰或非清晰图片，同时建立图像清晰度数据库，记录每张图像的清晰度得分；
[0018]其中采用高斯模糊对待测理赔材料图像执行多次模糊的默认模糊次数被预设为4
‑
5次；
[0019]其中清晰度层级的阈值被预设划分为2、3、5个层级；
[0020]其中对阈值执行判定时，得到的每种基础算法的变化值通过加权的方式计算出最终的图像清晰值，其权值通过执行基于机器学习的逻辑回归与支持向量机SVM算法得到相应的权值参数。
[0021]在一些实施例中，其中图像清晰度评估指标算法选自Brenner梯度算法、Laplacian梯度算法、SMD灰度方差算法、SMD2灰度方差乘积算法、能量梯度算法、Vollath函数算法、熵函数算法、EAV点锐度算法、NRSS梯度结构相似度的一种或多种。
[0022]根据本专利技术的另一方面，还提供了一种基于高斯模糊的理赔材料图像质量控制设备，包括：
[0023]存储器，用于存储软件应用程序，
[0024]处理器，用于执行所述软件应用程序，所述软件应用程序的各程序相对应地执行所述的基于高斯模糊的理赔材料图像质量控制方法中的步骤。
[0025]根据本专利技术的另一方面，还提供了一种基于高斯模糊的理赔材料图像质量控制系统，所述基于高斯模糊的理赔材料图像质量控制系统包括理赔材料图像质量控制客户子系统以及理赔材料图像质量控制服务子系统，所述理赔材料图像质量控制客户子系统设置有人机交互单元，用于输入理赔材料的图像，所述理赔材料图像质量控制服务子系统被配置为：获取输入的理赔材料的图像；建立理赔材料图像质量评分模型，综合处理图像清晰度评估指标算法，执行理赔材料图像的计算机视觉图像质量评分；以及获取理赔材料图像质量评分模型的理赔材料图像的图像质量评分结果，高斯模糊比较理赔材料图像，执行基于计算机视觉的无参考图像质量指标分析；所述理赔材料图像质量控制服务子系统输出理赔材料图像清晰判断结果至所述理赔材料图像质量控制客户子系统。
[0026]在一些实施例中，其中所述理赔材料图像质量控制服务子系统包括图像质量评分单元以及无参考图像质量指标分析单元，所述图像质量评分单元建立理赔材料图像质量评
分模型，综合处理图像清晰度评估指标算法，其中算法选自Brenner梯度算法、Laplacian梯度算法、SMD灰度方差算法、SMD2灰度方差乘积算法、能量梯度算法、Vollath函数算法、熵函数算法、EAV点锐度算法、NRSS梯度结构相似度的一种或多种；所述无参考图像质量指标分析单元包括高斯模糊比较图像模块，用于高斯模糊比较理赔材料图像，对同一张图像执行竖向多次模糊比较，获取待测图像和模糊图像通过理赔材料图像质量评分模型的综合算法计算得到的图像指标，根据这些指标的变化情况确定清晰度值的高低，计算结果变化越小则该图像越清晰，反之则模糊。
[0027]在一些实施例中，其中所述无参考图像质量指标分析单元还包括算法指标归一化模块、加权计算模块以及图像清晰判断结果处理模块，通过所述高斯模糊比较图像模块的图像质量的竖向对比，根据其指标的变化情况，所述算法指标归一化模块执行最终图像清晰度各类算法指标的归一化处理；所述加权计算模块获取所述图像质量评分单元中每种基础算法的变化值，并通过加权的方式计算出最终的图像清晰值，其权值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高斯模糊的理赔材料图像质量控制方法，其特征在于，所述基于高斯模糊的理赔材料图像质量控制方法包括以下步骤：获取输入的理赔材料的图像；建立理赔材料图像质量评分模型，综合处理图像清晰度评估指标算法，执行理赔材料图像的计算机视觉图像质量评分；以及获取理赔材料图像质量评分模型的理赔材料图像的图像质量评分结果，高斯模糊比较理赔材料图像，执行基于计算机视觉的无参考图像质量指标分析；输出理赔材料图像清晰判断结果。2.如权利要求1所述的基于高斯模糊的理赔材料图像质量控制方法，其中基于计算机视觉的无参考图像质量指标分析步骤中，还包括以下步骤：高斯模糊比较理赔材料图像，对同一张图像执行竖向多次模糊比较，获取待测图像和模糊图像通过理赔材料图像质量评分模型的综合算法计算得到的图像指标，根据这些指标的变化情况确定清晰度值的高低，计算结果变化越小则该图像越清晰，反之则模糊。3.如权利要求2所述的基于高斯模糊的理赔材料图像质量控制方法，其中所述基于高斯模糊的理赔材料图像质量控制方法还包括以下步骤：执行最终图像清晰度各类算法指标的归一化处理；以及加权计算最终图像质量评分。4.如权利要求2所述的基于高斯模糊的理赔材料图像质量控制方法，其中所述基于高斯模糊的理赔材料图像质量控制方法还包括以下步骤：获取输入的所有理赔材料图像的综合清晰度评分；以及根据清晰度层级的阈值将输入的图像分类成清晰或非清晰图片，同时建立图像清晰度数据库，记录每张图像的清晰度得分；其中采用高斯模糊对待测理赔材料图像执行多次模糊的默认模糊次数被预设为4
‑
5次；其中清晰度层级的阈值被预设划分为2、3、5个层级；其中对阈值执行判定时，得到的每种基础算法的变化值通过加权的方式计算出最终的图像清晰值，其权值通过执行基于机器学习的逻辑回归与支持向量机SVM算法得到相应的权值参数。5.如权利要求1至4中任一所述的基于高斯模糊的理赔材料图像质量控制方法，其中图像清晰度评估指标算法选自Brenner梯度算法、Laplacian梯度算法、SMD灰度方差算法、SMD2灰度方差乘积算法、能量梯度算法、Vollath函数算法、熵函数算法、EAV点锐度算法、NRSS梯度结构相似度的一种或多种。6.一种基于高斯模糊的理赔材料图像质量控制设备，其特征在于，包括：存储器，用于存储软件应用程序，处理器，用于执行所述软件应用程序，所述软件应用程序的各程序相对应地执行权利要求1至5中所述的基于高斯模糊的理赔材料图像质量控制方法中的步骤。7.一种基于高斯模糊的理赔材料图像质量控制系统，其特征在于，所述基于高斯模糊的理赔材料图像质量控制系统包括理赔材料图像质量控制客户子系统以及理赔材料图像质量控...

【专利技术属性】
技术研发人员：闫升乐，张东锋，段士杰，
申请(专利权)人：深圳新致软件有限公司，
类型：发明
国别省市：