票据图像的分类方法及其装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种票据图像的分类方法及其装置、电子设备及存储介质，涉及人工智能领域，其中，该分类方法包括：提取票据图像中多个特征区域的位置信息，根据每个特征区域的位置信息，对票据图像进行截取，得到多个区域图像块，将每个区域图像块分别输入至预先训练的分支模型中，以采用分支模型提取区域图像块的图像特征，融合每个分支模型得到的图像特征，得到票据图像分类结果。本发明专利技术解决了相关技术中对于高相似度的票据图像进行分类的准确率低，且分类效率较低的技术问题。且分类效率较低的技术问题。且分类效率较低的技术问题。

【技术实现步骤摘要】
票据图像的分类方法及其装置、电子设备及存储介质


[0001]本专利技术涉及人工智能领域，具体而言，涉及一种票据图像的分类方法及其装置、电子设备及存储介质。

技术介绍

[0002]随着信息化时代的日益发展，票据处理领域的信息化程度越来越高，对票据进行存储和处理的形式已经由纸质转换为数字图像。票据图像分类是票据处理过程中的关键步骤，传统的人工手动分类方法需要花费大量的人力资源和时间，不仅效率低，而且错误率高。因此，可以借助计算机实现票据图像自动分类。
[0003]相关技术中，现有的对票据图像进行自动分类的方法主要是根据提取不同的票据特征完成分类，首先，确定根据票据的特征完成分类，通常使用的票据特征包括票据特殊信息特征、框线特征、版面结构特征等，对所有种类的票据都提取这些特征，建立特征库，然后在进行票据分类时，提取图像的此类特征与特征库中提取的图像特征进行匹配，确定票据的类型。
[0004]现有的对票据图像进行自动分类的方法主要有两种：
[0005](1)提取单一票据特征对票据图像进行分类，可以利用票据图像中的公章信息进行分类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种票据图像的分类方法，其特征在于，包括：提取票据图像中多个特征区域的位置信息；根据每个所述特征区域的位置信息，对所述票据图像进行截取，得到多个区域图像块；将每个所述区域图像块分别输入至预先训练的分支模型中，以采用所述分支模型提取所述区域图像块的图像特征；融合每个所述分支模型得到的图像特征，得到票据图像分类结果。2.根据权利要求1所述的分类方法，其特征在于，提取票据图像中多个特征区域的位置信息的步骤，包括：在接收到票据图像后，对所述票据图像进行图像预处理；对进行图像预处理后的所述票据图像进行版面分析，得到多个特征区域的位置信息。3.根据权利要求2所述的分类方法，其特征在于，对所述票据图像进行图像预处理的步骤，包括：将所述票据图像转化为灰度图像；采用全局阈值法的最大类间方差策略对所述灰度图像进行二值化处理；对所述灰度图像进行去噪处理。4.根据权利要求2所述的分类方法，其特征在于，对进行图像预处理后的所述票据图像进行版面分析，得到每个特征区域的位置信息的步骤，包括：采用投影分析策略对图像预处理后的所述票据图像分别在水平和垂直方向上进行投影；利用投影曲线中的波谷点将所述票据图像分割为多个图像子区域；识别分割出的每个所述图像子区域的区域类别，确定多个特征区域；定位每个所述特征区域在所述票据图像中的位置，得到每个所述特征区域的位置信息。5.根据权利要求1至4中任意一项所述的分类方法，其特征在于，所述多个特征区域包括：标题区域、线框区域、版面区域；与所述标题区域对应的区域图像块为票据标题区域图像块，与所述线框区域对应的区域图像块为票据线框区域图像块，与所述版面区域对应的区域图像块为票据版面结构区域图像块。6.根据权利要求5所述的分类方法，其特征在于，将每个所述区域图像块分别输入至预先训练的分支模型中，以采用所述分支模型提取所述区域图像块的图像特征的步骤，包括：将所述票据标题区域图像块输入至预先训练的卷积神经网络分支模型，以采用所述卷积神经网络分支模型提取所述票据标题区域图像块的票据标题特征；将所述票据线框区域图像块输入至预先训练的卷积神经网络分支模型，以采用所述卷积神经网络分支模型提取所述票据线框区域图像块的票据线框特征；将所述票据...

【专利技术属性】
技术研发人员：张佳嘉，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：