[发明专利]图像质量确定方法、装置及系统

权利要求书

1.一种图像质量确定方法，其特征在于，所述方法包括：

将接收到的证照类文档图像转化为灰度图像；

确定所述灰度图像的边缘像素点，分别判断所述边缘像素点中所有Roof结构的边缘像素点是否满足模糊条件，计算满足模糊条件的Roof结构的边缘像素点的个数与所有Roof结构的边缘像素点的个数的比值作为所述图像的模糊度的指标；

根据预设的第一计算规则计算所述图像的纹理噪声的指标；

根据预设的第二计算规则计算所述图像的对比度的指标；

利用所述模糊度的指标、纹理噪声的指标和对比度的指标对所述图像的质量进行确定；

其中，所述根据预设的第一计算规则计算所述图像的纹理噪声的指标包括：

对所述灰度图像进行三阶小波变换时，提取对所述灰度图像进行一阶小波变换后获得的对角线方向分量HH₁、水平方向分量HL₁和垂直方向分量LH₁；

利用如下公式计算纹理噪声的指标

其中，所述根据预设的第二计算规则计算所述图像的对比度的指标包括：

将所述灰度图像分成k₁×k₂个区块后，利用如下公式分别计算各个区块的标准差：

其中，σ为区块中所有像素点的强度标准差，n为区块中像素点的个数，I_i是指区块中各个像素点的强度，是指区块中所有像素点的强度平均值；

分别将所述各个区块的标准差与预设的敏感度阈值比较，将标准差小于预设的敏感度阈值的区块筛除；

对剩余的其他区块利用如下公式计算对比度的指标RME：

其中，RME是指根均提升，k₁和k₂分别是指灰度图像中每行和每列区块的个数；i和j分别是指区块位于灰度图像中的横坐标和纵坐标；I_i,j是指区块中点的像素强度，n是指各个区块像素点的个数，I₁、I₂……I_n是指区块中各个像素点强度。

2.如权利要求1所述的图像质量确定方法，其特征在于，所述确定所述灰度图像的边缘像素点包括：

对所述灰度图像进行三阶小波变换，提取每阶小波变换得到的低频分量；

利用三个低频分量按照预设规则确定边缘像素点。

3.如权利要求1或2所述的图像质量确定方法，其特征在于，所述利用所述模糊度的指标、纹理噪声的指标和对比度的指标对所述图像的质量进行确定包括：

判断所述模糊度的指标是否大于第一阈值、所述纹理噪声的指标是否大于第二阈值和所述对比度的指标是否小于第三阈值，若是，则所述图像被确定为低质量，若否，则所述图像被确定为高质量。

4.如权利要求1或2所述的图像质量确定方法，其特征在于，所述利用所述模糊度的指标、纹理噪声的指标和对比度的指标对所述图像的质量进行确定包括：

将所述模糊度的指标、所述纹理噪声的指标和所述对比度的指标作为变量输入预先训练的第一机器学习模型中，其中预先训练的第一机器学习模型的训练集为已标注图像质量的图像样本数据集合；

获取所述预先训练的第一机器学习模型对所述图像的质量进行确定的结果。

5.如权利要求1或2所述的图像质量确定方法，其特征在于，所述利用所述模糊度的指标、纹理噪声的指标和对比度的指标对所述图像的质量进行确定包括：

将所述模糊度的指标、所述纹理噪声的指标和所述对比度的指标作为变量输入预先训练的第二机器学习模型中，其中预先训练的第二机器学习模型的训练集为已标注OCR准确率的图像样本数据集合；

所述预先训练的第二机器学习模型计算出所述图像的OCR准确率预估值，所述图像的OCR准确率预估值大于预设的第四阈值时，则所述图像被确定为高质量，否则，所述图像被确定为低质量。

6.如权利要求1所述的图像质量确定方法，其特征在于，所述方法还包括：

将质量满足要求的图像传输至OCR识别系统中进行识别。