[发明专利]基于联合概率矩阵的试卷图像自动核分方法

权利要求书

1.一种基于联合概率矩阵的试卷图像自动核分方法，其特征在于，包括如下步骤：

S1、利用训练手写数据集训练得到分数识别模型；

S2、使用直线检测算法对待检测的试卷分数所在的矩形区域进行切割；

所述直线检测算法，流程包括：根据每n行中黑色像素点的个数，将大于最优阈值的像素行判定为线条，再对线条进行去重优化，随后给每条线条添加一个上下滑窗，将每个像素的有效部分进行切割；

S3、将S2中的结果作为所述分数识别模型的输入，识别并输出可能性最高的N个值；

S4、构建联合概率矩阵并创建分数搜索树，计算置信值，具体包括如下步骤：

S41、使用S3中得到的每个得分区域的最高N个可能值及置信度构建置信度矩阵；

S42、构建状态搜索树算法，从S41中得到的置信度矩阵中找到满足小分总和等于总分的组合，并将所有可能状态及联合置信值作为可能结果进行输出，并执行S43；若未找到满足小分总和等于总分的组合，则直接执行S44；

S43、对S42中得到的所有可能状态进行置信度排序，并做高斯梯度下降、判别得到最有可能的组合状态，随后执行S44；

S44、将S42中得到的可能状态或S43中得到的最有可能的组合状态进行输出；

S5、对计算结果进行判断、并将计算结果与预设阈值进行比较，最终输出分数计算结果。

2.根据权利要求1所述的基于联合概率矩阵的试卷图像自动核分方法，其特征在于，S1具体包括如下步骤：

S11、依据试卷上的分数区域，准备一个满足所有分数的训练手写数据集；

S12、使用CNN卷积网络对S11中所述训练手写数据集进行训练，得到分数识别模型。

3.根据权利要求2所述的基于联合概率矩阵的试卷图像自动核分方法，其特征在于，S2具体包括如下步骤：

S21、使用直线检测算法对待检测的试卷分数所在的矩形区域进行切割；

S22、对所述直线检测算法进行边缘扩展，得到每个大类的得分区域图像。

4.根据权利要求3所述的基于联合概率矩阵的试卷图像自动核分方法，其特征在于，S3具体包括如下步骤：将S22中得到的每个所述得分区域图像依次输入S12中得到的所述分数识别模型中，将结果由高到低按序排列，给出识别出的每个得分区域的最高N个可能值及置信度。

5.根据权利要求1所述的基于联合概率矩阵的试卷图像自动核分方法，其特征在于，S42中所述构建状态搜索树算法，具体包括如下步骤：对于过空的根节点，建立起一个搜索树，所述搜索树的第一层结点为第一个数值的结果，在第一层结点下建立第二层结点，所述第二层结点为第二个数值的结果，以此类推，最终建立起一个分数搜索树。

6.根据权利要求1所述的基于联合概率矩阵的试卷图像自动核分方法，其特征在于，S5具体包括如下步骤：若状态存在则进入后续判断，若状态不存在则输出分数计算错误；在所述后续判断中，将结果与预设阈值进行比较，若结果大于阈值则输出分数计算正确，若结果小于预设阈值则输出分数计算错误。