一种图像质量评估方法及系统技术方案

本发明专利技术属于图像处理及计算机视觉技术领域，公开一种图像质量评估方法及系统。该方法包括：图像预处理：对图像进行等比例缩放、归一化、默认值填充缺少部分；图像有效位置预测及图像过滤：基于像素级分割

【技术实现步骤摘要】
一种图像质量评估方法及系统


[0001]本专利技术属于图像处理及计算机视觉
，具体涉及一种图像质量评估方法及系统。

技术介绍

[0002]在日常的资料审核过程中，采集到的图像是否符合相关规范，是审核任务或是其他很多下游任务的重要前提。一般图像质量相关的规范包含但不限于图像是否是原图、图像是否完整、图像是否模糊、图像是否存在PS痕迹等等。如何快速、自动地进行图像质量判断并打分，对自动化资料审核、资料审批程序来说至关重要。
[0003]现有的资料审核方式大致分为两种：(1)人工审核。这种方式在面对大批量资料审核、审批时，就显得的力不从心，这时候往往就需要花费大量的人力和时间投入到审核图像的工作中，导致成本过高，出错率也得不到缓解；(2)半人工半自动。这种方式一般采用传统图像处理模式，对图像某一方面，比如清晰度，进行判断，然后再由人工对图片进行一遍校对；这种方式由于采用传统技术的原因，往往不能很好的支持所有采集方式(扫描仪、高拍仪、手机等等)采集到的图片，尤其是手机拍照采集的图片，因此，这种半人工半自动也费时、费力。现在的审核资料业务流本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像质量评估方法，其特征在于，所述方法包括如下步骤：步骤S1：图像预处理：对原始图像进行等比例缩放，进行图像归一化，将图像缺少部分用默认值填充，得到预处理之后的图像；步骤S2：图像有效位置预测及图像过滤：基于像素级的分割
‑
分类技术模型，检测并确定预处理之后图像中的证件图位置信息和证件图类别信息，所述证件图类别信息包括但不局限于证件、卡件、文档、票据；若图像中不含有待评估的证件图，则将相应的证件图类别信息结果设置为空；根据得到的证件图类别信息，删除过滤掉证件图类别信息为空的图像；步骤S3：待评估图像校正：通过步骤S2得到图像中待评估证件图的位置之后，分割出证件图并校正，之后需要处理的图像就只包含需要评估质量的证件图；步骤S4：多维度质量评估：得到需要评估质量的证件图之后，使用基于深度学习、卷积神经网络技术的模型为主要手段，对证件图分别从图像类型、图像完整性、图像清晰度、图像光斑和PS判断5个维度进行质量评估，并给出对应的分数；步骤S5：对每个维度的得分进行归一化至百分制，并将结果结构化成json数据格式，最终输出质量评估结果。2.根据权利要求1所述的一种图像质量评估方法，其特征在于，所述步骤S2具体包括如下步骤：步骤S21：将步骤S1预处理后的图像输送到CNN卷积神经网络，进行处理得到特征图；所述CNN卷积神经网络包括但不局限于resnet、vgg、mobilenet卷积神经网络中的一种；步骤S22：对特征图的每一个像素位置设定固定个数的ROI，然后将ROI区域送入RPN网络进行前景和背景二分类以及坐标回归，以获得精炼后的ROI区域；步骤S23：对步骤S22中获得的ROI区域执行区域特征聚集操作，即先将原图和特征图的像素对应起来，然后将特征图和固定的特征对应起来，最后对这些ROI区域进行多类别分类、候选框回归和引入全卷积网络生成掩码Mask，完成分割、分类任务，最终得到图像中待评估证件图的有效精准位置和证件图类别信息；步骤S24：若图像中不含有待评估的证件图，则将相应的证件图类别信息结果设置为空；根据得到的证件图类别信息，删除过滤掉证件图类别信息为空的图像。3.根据权利要求2所述的一种图像质量评估方法，其特征在于，所述步骤S21中，所述CNN卷积神经网络采用resnet18作为特征提取网络。4.根据权利要求2或3所述的一种图像质量评估方法，其特征在于，所述步骤S4中多维度质量评估具体包括：图像类型判断：采用传统方式+基于卷积神经网络的级联式分类模型方式，对待评估图像进行处理分析，得出图像类型并给出相应分数，并最终输出得分最高的图像类型和相应的图像类型得分；所述图像类型包括原件、复印件、电脑屏拍件和非电脑屏拍件；图像完整性判断：根据图像类型判断结果，采用深度学习训练好的完整性分类模型，对待评估图像进行分析、分类，得出图像完整性得分；图像清晰度判断：一方面采用深度学习训练好的清晰度分类模型，对待评估图像进行分析、分类，得出清晰度分数；另一方面通过对图像灰度化之后，计算图像梯度值，通过梯度值判断图像清晰度；最后结合两方面的得分，输出图像清晰度得分；图像光斑检测：基于图像光斑检测模型，首先对待评估图像进行检测，得出光斑可能区
域；然后结合光斑的一些形状和色彩信息，对可能区域进行再校准；最后通过光斑多少、大小给出相应的得分判断；PS判断：首先，采用深度学习训练好的PS分类模型，对待评估图像进行分析、分类，得出图像可能被PS篡改的分数；然后通过对图像数据中数据的分析，判断是否存在被篡改的数据，或数据中是否存在与PS软件相关的信息，对图像进行再次筛选，得出图像被PS修改的最终得分。5.根据权利要求4所述的一种图像质量评估方法，其特征在于，所述步骤S4中，图像类型判断具体包括：步骤S401：基于传统方式，获取图像的位深度，若位深度不是24位真彩色图像，则直接返回图像类型为复印件并给出分数；若位深度是24位真彩色图像，则继续进入下一步；步骤S402：基于卷积神经网络的级联式分类方式，使用多个分类模型对图像进行级联式分类，分别针对复印件、电脑屏拍件、非电脑屏拍件和原件依次进行分类筛选，并返回得分最高的图像类型和相应的图像类型分数；所述步骤S402具体包括：步骤S4021：使用全图像类型分类模型，对图像进行分类，若分类结果中最高得分为复印件，则返回图像类型为复印件并给出分数，否则继续进入下一步；步骤S4022：使用原件
‑
电脑屏拍件分类模型对图像进行分类，若分类结果中最高得分为电脑屏拍件，则返回图像类型为电脑屏拍件并给出分数，否则继续进入下一步；步骤S4022：使用原件
‑
非电脑屏拍件分类模型对图像进行分类，若分类结果中最高得分为非电脑屏拍件，则返回图像类型为非电脑屏拍件并给出分数；若分类结果中最高得分为原件，则返回图像类型为原件并给出分数；步骤S4023：输出图像分类结果。6.一种图像质量评估系统，用于执行权利要求1
‑
5任一项所述的图像质量评估方法，其特征在于，所述系统包括：图像预处理模块、图像有效位置预测及图像过滤模块、待评估图像校正模块、多维度质量评估模块和归一化输出模块；所述图像预处理模块用于对原始图像进行等比例缩放，进行图像归一化，将图像缺少部分用默认值填充，得到预处理之后的图像；所述...

【专利技术属性】
技术研发人员：陶坚坚，饶顶锋，刘伟，
申请(专利权)人：北京译图智讯科技有限公司，
类型：发明
国别省市：