文本图像质量检测方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例属于人工智能中的图像处理技术领域，涉及一种应用于文本图像的质量检测方法、装置、计算机设备及存储介质。本申请是基于图像数据库中的高清图像构建训练数据，从而保证训练得到的目标质量检测模型的检测精度保持较高的准确率，当进行质量检测时，先将待检测图像进行图像分块处理，从而极大减少大图质量检测判断的计算量，有效提高流程的时间效率，再将分块处理后的待检测子图像分别输入至质量检测模型和噪声检测模型进行质量检测和噪声检测，最后根据质量检测结果和噪声检测结果计算该待检测图像的最终检测结果，从“图像质量”和“图像噪声”两个方向对待检测图像进行检测，从而极大提高文本图像检测的准确性。从而极大提高文本图像检测的准确性。从而极大提高文本图像检测的准确性。

【技术实现步骤摘要】
文本图像质量检测方法、装置、计算机设备及存储介质


[0001]本申请涉及人工智能中的图像处理
，尤其涉及一种应用于文本图像的质量检测方法、装置、计算机设备及存储介质。

技术介绍

[0002]图像是人类感知和机器模式识别的重要信息源，其质量对所获取信息的充分性和准确性起着决定性的作用。然而，图像在获取、压缩、处理、传输、显示等过程中难免会出现一定程度的失真。如何衡量图像的质量、评定图像是否满足某种特定应用要求成为急需解决的问题。为此，需要建立有效的图像质量评估体制。
[0003]现有的图像质量评估方法可分为主观评估方法和客观评估方法，前者凭借实验人员的主观感知来评估对象的质量；后者依据模型给出的量化指标，模拟人类视觉系统感知机制来衡量图像质量。
[0004]然而，申请人发现传统的图像质量评估方法普遍存在计算量大、评估精度不高等问题。

技术实现思路

[0005]本申请实施例的目的在于提出一种应用于文本图像的质量检测方法、装置、计算机设备及存储介质，以解决传统的图像质量评估方法普遍存在计算量大、评估精度不高等问题。
[0006]为了解决上述技术问题，本申请实施例提供一种应用于文本图像的质量检测方法，采用了如下所述的技术方案：
[0007]在图像数据库中获取正样本图像；
[0008]对所述正样本图像进行预处理，得到预处理正样本图像；
[0009]根据所述预处理正样本图像构建负样本图像，并结合所述预处理正样本图像以及所述负样本图像，得到模型训练数据；
>[0010]将所述模型训练数据输入至原始质量检测模型进行分类训练直至收敛，得到目标质量检测模型；
[0011]接收携带有待检测图像的质量检测请求；
[0012]对所述待检测图像进行图像分块处理，得到待检测子图像；
[0013]将所述待检测子图像输入至所述目标质量检测模型进行质量检测操作，得到与所述待检测子图像相对应的质量检测子结果；
[0014]对所述质量检测子结果进行质量汇总计算操作，得到质量检测结果；
[0015]调用训练好的噪声检测模型，将所述待检测子图像输入至所述训练好的噪声检测模型进行噪声检测操作，得到与所述待检测子图像相对应的噪声检测子结果；
[0016]对所述噪声检测子结果进行噪声汇总计算操作，得到噪声检测结果；
[0017]对所述质量检测结果以及所述噪声检测结果进行综合计算操作，得到与所述待检
测图像相对应的目标检测结果。
[0018]为了解决上述技术问题，本申请实施例还提供一种应用于文本图像的质量检测装置，采用了如下所述的技术方案：
[0019]正样本获取模块，用于在图像数据库中获取正样本图像；
[0020]预处理模块，用于对所述正样本图像进行预处理，得到预处理正样本图像；
[0021]第一训练数据获取模块，用于根据所述预处理正样本图像构建负样本图像，并结合所述预处理正样本图像以及所述负样本图像，得到模型训练数据；
[0022]分类训练模块，用于将所述模型训练数据输入至原始质量检测模型进行分类训练直至收敛，得到目标质量检测模型；
[0023]请求接收模块，用于接收携带有待检测图像的质量检测请求；
[0024]分块处理模块，用于对所述待检测图像进行图像分块处理，得到待检测子图像；
[0025]质量检测模块，用于将所述待检测子图像输入至所述目标质量检测模型进行质量检测操作，得到与所述待检测子图像相对应的质量检测子结果；
[0026]质量汇总模块，用于对所述质量检测子结果进行质量汇总计算操作，得到质量检测结果；
[0027]噪声检测模块，用于调用训练好的噪声检测模型，将所述待检测子图像输入至所述训练好的噪声检测模型进行噪声检测操作，得到与所述待检测子图像相对应的噪声检测子结果；
[0028]噪声汇总模块，用于对所述噪声检测子结果进行噪声汇总计算操作，得到噪声检测结果；
[0029]综合计算模块，用于对所述质量检测结果以及所述噪声检测结果进行综合计算操作，得到与所述待检测图像相对应的目标检测结果。
[0030]为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
[0031]包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的应用于文本图像的质量检测方法的步骤。
[0032]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
[0033]所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的应用于文本图像的质量检测方法的步骤。
[0034]与现有技术相比，本申请实施例主要有以下有益效果：
[0035]本申请提供了一种应用于文本图像的质量检测方法，包括：在图像数据库中获取正样本图像；对所述正样本图像进行预处理，得到预处理正样本图像；根据所述预处理正样本图像构建负样本图像，并结合所述预处理正样本图像以及所述负样本图像，得到模型训练数据；将所述模型训练数据输入至原始质量检测模型进行分类训练直至收敛，得到目标质量检测模型；接收携带有待检测图像的质量检测请求；对所述待检测图像进行图像分块处理，得到待检测子图像；将所述待检测子图像输入至所述目标质量检测模型进行质量检测操作，得到与所述待检测子图像相对应的质量检测子结果；对所述质量检测子结果进行质量汇总计算操作，得到质量检测结果；调用训练好的噪声检测模型，将所述待检测子图像
输入至所述训练好的噪声检测模型进行噪声检测操作，得到与所述待检测子图像相对应的噪声检测子结果；对所述噪声检测子结果进行噪声汇总计算操作，得到噪声检测结果；对所述质量检测结果以及所述噪声检测结果进行综合计算操作，得到与所述待检测图像相对应的目标检测结果。本申请是基于图像数据库中的高清图像构建训练数据，从而保证训练得到的目标质量检测模型的检测精度保持较高的准确率，当进行质量检测时，先将待检测图像进行图像分块处理，从而极大减少大图质量检测判断的计算量，有效提高流程的时间效率，再将分块处理后的待检测子图像分别输入至质量检测模型和噪声检测模型进行质量检测和噪声检测，最后根据质量检测结果和噪声检测结果计算该待检测图像的最终检测结果，从“图像质量”和“图像噪声”两个方向对待检测图像进行检测，从而极大提高文本图像检测的准确性。
附图说明
[0036]为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1是本申请可以应用于其中的示例性系统架构图；
[0038]图2是本申请实施例一提供的应用于文本图像的质量检测方法的实现流程图；
[0039]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于文本图像的质量检测方法，其特征在于，包括下述步骤：在图像数据库中获取正样本图像；对所述正样本图像进行预处理，得到预处理正样本图像；根据所述预处理正样本图像构建负样本图像，并结合所述预处理正样本图像以及所述负样本图像，得到模型训练数据；将所述模型训练数据输入至原始质量检测模型进行分类训练直至收敛，得到目标质量检测模型；接收携带有待检测图像的质量检测请求；对所述待检测图像进行图像分块处理，得到待检测子图像；将所述待检测子图像输入至所述目标质量检测模型进行质量检测操作，得到与所述待检测子图像相对应的质量检测子结果；对所述质量检测子结果进行质量汇总计算操作，得到质量检测结果；调用训练好的噪声检测模型，将所述待检测子图像输入至所述训练好的噪声检测模型进行噪声检测操作，得到与所述待检测子图像相对应的噪声检测子结果；对所述噪声检测子结果进行噪声汇总计算操作，得到噪声检测结果；对所述质量检测结果以及所述噪声检测结果进行综合计算操作，得到与所述待检测图像相对应的目标检测结果。2.根据权利要求1所述的应用于文本图像的质量检测方法，其特征在于，所述在图像数据库中获取正样本图像的步骤，具体包括下述步骤：根据统计模型将所述图像数据库中的样本图像分类为小图类别、长图类别、纯色图类别、纯文字图类别、黑白图类别以及大图类别；在所述小图类别、所述长图类别、所述纯色图类别、所述纯文字图类别、所述黑白图类别以及所述大图类别中分别获取预设数量的图像数据，并将获取到的所述图像数据作为所述正样本图像。3.根据权利要求1所述的应用于文本图像的质量检测方法，其特征在于，所述对所述正样本图像进行预处理，得到预处理正样本图像的步骤，具体包括下述步骤：按照长宽比例不变的方式对所述正样本图像进行尺寸调节处理，得到标准尺寸正样本图像；按照预设尺寸对所述标准尺寸正样本图像进行分割处理，得到所述预处理正样本图像。4.根据权利要求1所述的应用于文本图像的质量检测方法，其特征在于，所述根据所述预处理正样本图像构建负样本图像，得到模型训练数据的步骤，具体包括下述步骤：将所述预处理正样本图像与噪声向量相乘，得到噪声图像；对所述噪声图像进行变形处理，得到变形图像；将所述变形图像输入至生成式对抗网络进行上采样处理，得到所述负样本图像。5.根据权利要求1所述的应用于文本图像的质量检测方法，其特征在于，所述将所述模型训练数据输入至原始质量检测模型进行分类训练直至收敛，得到目标质量检测模型的步骤，具体包括下述步骤：将所述模型训练数据输入至所述原始质量检测模型进行所述分类训练直至收敛后，向
收敛后的原始质量检测模型添加池化层、全连接层以及随机失活层，并根据训练后的...

【专利技术属性】
技术研发人员：冷绵绵，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：