[发明专利]基于卷积神经网络堆叠泛化的文档图像分类方法和系统

说明书

本发明公开了一种基于卷积神经网络堆叠泛化的文档图像分类方法和系统，大幅提高文档图像分类识别的准确率和效率。其技术方案为：本发明将文档图像作为训练样本，对文档图像进行预处理分为多个训练样本，用训练样本分别训练卷积神经网络，经过优化、评估得到多个网络模型，然后通过训练后的模型去分类文档图像，最后将多个模型的结果进行堆叠泛化得到文档对应的类别和概率。

技术领域

本发明涉及图像处理技术，尤其涉及基于卷积神经网络堆叠泛化对文档图像进行自动分类的技术。

背景技术

文档图像的分类是模式识别和人工智能领域的一个重要研究课题，它指的是从文档图像中提取文档的颜色、形状、纹理等特征信息，并基于特征信息将文档图像进行分类的图像处理技术。

随着数字化建设的不断推进，文档图像被广泛的应用于办公自动化、数字图书馆、工业自动化、互联网等各个领域。如何高效、准确的对海量的文档图像进行分类成为了人工智能图像处理的一个迫切需求。

文档图像的自动分类是各种文档图像处理任务(如文档检索、信息抽取和文本识别等)的有效初始步骤。文档图像处理系统的性能可以通过将其输入文档的有效初始分类转化为若干预先确定的类别进行提升。自动分类在数字图书馆的文献标引中也起着重要的作用。

目前的文档图像分类方法主要有两种：基于光学字符识别(OCR)和基于卷积神经网络的文档图像分类方法。

基于光学字符识别(OCR)需要对文档图像先做二值化、噪声去除、倾斜校正等处理。基于光学字符识别(OCR)在规范的标准印刷体识别上有不错的效果，但文档图像通常受拍照条件的限制会出现倾斜、墨迹不清晰、DPI过低等情况，此时光学字符识别效果非常的差。同时对于手写和非字符文档图像的分类是光学字符识别无法逾越的技术障碍。

利用卷积神经网络进行文档图像分类是一种基于深度学习的图像处理方法。深度学习在图像处理领域取得巨大的进步，卷积神经网络可以很好的克服光学字符识别(OCR)的弱项，识别的精度和准确度都有非常大的提升。

文档图像种类和格式多种多样，有的宜用文件头分类、有的宜用文件底分类、有的宜用整个文档图像有的宜用部分分类。因此不同的文档用不同的模型会有不一样的分类精度。单一卷积神经网络模型无法适应繁多的文档图像种类，如何高精度分类多种文档图像依然是卷积神经网络的一个挑战。

发明内容

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

本发明的目的在于解决上述问题，提供了一种基于卷积神经网络堆叠泛化的文档图像分类方法和系统，解决了单一卷积神经网络模型适应性不好的缺点，具有文档图像分类准确性高、实用性好的优势，同时具有模型简单、容易实现、容易训练等特点，可以大幅提高文档图像分类识别的准确率和效率，具有很强的实用价值。

本发明的技术方案为：本发明揭示了一种基于卷积神经网络堆叠泛化的文档图像分类方法，包括：

将文档图像转换为与文档图像分类模型训练时一致的格式和大小，其中文档图像分类模型是基于卷积神经网络模型训练得到；

将转换后的文档图像经过文档图像分类模型处理得到多个包括类别和概率在内的分类结果；

将文档图像的多个分类结果进行堆叠泛化得到文档图像最终的类别及其概率。

根据本发明的基于卷积神经网络堆叠泛化的文档图像分类方法的一实施例，卷积神经网络模型训练得到文档图像分类模型进一步包括：

收集多个文档图像；

预处理收集到的文档图像；