【技术实现步骤摘要】
图像处理方法、装置、存储介质及电子设备
[0001]本公开涉及图像处理领域，具体地，涉及一种图像处理方法、装置、存 储介质及电子设备。
技术介绍
[0002]在题库录排的应用中，输入试卷或教辅资料图像中会可能含有大量手写 字符、图像以及批改痕迹。且拍照图像会受到背景、光照等因素干扰。以上 噪声均会影响录排算法的精度。对拍照图像进行还原重建，去除噪声以及手 写痕迹可以提升文字检测识别精度从而提高录排效率。
[0003]在相关技术中，可以通过语义分割的方式去除部分噪声，然而，试卷中 的印刷体文字和图像在边缘区域需要亚像素级精度以保证图像边缘的平滑 性，通过语义分割的模型无法达到亚像素级精度，并且，试卷或教辅资料中 的插图可能包含大面积的灰度区域，而语义分割的结果仅能转化为二值图， 无法保留灰度图色阶，导致图像内容损失，最终获取到的去除噪声后的图像 的质量无法满足后续的试卷图像的应用需求。
技术实现思路
[0004]为了解决相关技术中存在的问题，本公开提供一种图像处理方法、装置、 存储介质及电子设备。
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取试卷图像，所述试卷图像包括图像噪声；将所述试卷图像输入经过预先训练得到的噪声去除模型，得到去除噪声的目标试卷图像；其中，所述噪声去除模型是基于HRNet特征匹配模块进行有监督训练得到的。2.根据权利要求1所述的方法，其特征在于，所述噪声去除模型的训练包括：在无图像噪声的第一试卷图像中加入图像噪声，得到训练试卷图像；将所述训练试卷图像输入所述噪声去除模型，得到第一生成图像；将所述第一生成图像以及所述第一试卷图像输入所述HRNet特征匹配模块进行特征匹配，确定第一损失值；根据所述第一损失值更新所述噪声去除模型的参数。3.根据权利要求2所述的方法，其特征在于，所述噪声去除模型包括全局生成模块以及局部增强网络，所述局部增强网络包括第一局部增强模块以及第二局部增强模块，所述将所述训练试卷图像输入所述噪声去除模型，得到第一生成图像包括：将所述训练试卷图像进行二倍降采样后输入所述全局生成模块，得到第一特征图；并，将所述训练试卷图像输入第一局部增强模块，得到第二特征图；将所述第一特征图与所述第二特征图相加后，输入所述第二局部增强模块，得到所述第一生成图像。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：将所述训练试卷图像输入所述全局生成模块，以对所述全局生成模块进行训练；并，在确定满足预设条件的情况下，将所述训练试卷图像输入所述全局生成模块，以及所述局部增强网络，以对所述全局生成模块以及所述局部增强网络同时进行训练；并，在确定训练完成的情况下，提取所述局部增强网络作为训练完成的所述噪声去除模型。5.根据权利要求2所述的方法，其特征在于，所述方法还包括：将所述第一生成图像输入第一...
【专利技术属性】
技术研发人员：王少康，张飞飞，马志国，
申请(专利权)人：北京鼎事兴教育咨询有限公司，
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。