[发明专利]一种试卷图像文件处理方法及存储介质在审
申请号: | 202211510353.7 | 申请日: | 2022-11-29 |
公开(公告)号: | CN115766965A | 公开(公告)日: | 2023-03-07 |
发明(设计)人: | 左宁丽;古发辉;李集城;姜宇;陈孟超;陈庆青;陈松梅;班丽莉 | 申请(专利权)人: | 广东职业技术学院 |
主分类号: | H04N1/41 | 分类号: | H04N1/41;G06T7/11;G06N3/0464;G06N3/045;G06N3/08;H04L67/06;H04L9/40;H04L9/00;H04N19/167;H04N19/42 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 叶洁勇 |
地址: | 528000 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 试卷 图像文件 处理 方法 存储 介质 | ||
本发明公开了一种试卷图像文件处理方法及存储介质,方法包括:接收来自发起端的试卷图像,通过图像分割模型提取图像中的特定区域和非特定区域;检测传输网络的网络通畅率,获得传输网络的传输数据量阈值;当图像的文件数据量大于阈值时,通过神经网络模型对特定区域进行压缩,得到特定压缩区域,并通过混沌迭代算法对特定压缩区域进行加密,得到第一图像压缩信号;通过压缩感知技术对非特定区域进行压缩,得到第二图像压缩信号;将第一图像压缩信号和第二图像压缩信号一并传输至目标端。本申请能够提高考试时图像文件传输的效率和速率,确保了图像文件在传输过程中的安全性,并且在网络阻塞的情况下仍旧能够保证图像文件的传输。
技术领域
本发明涉及图像压缩技术领域,特别涉及一种试卷图像文件处理方法及存储介质。
背景技术
当前学校的期中考试和期末考试的形式可以分为线上考试形式和线下考试形式两种。线下考试形式为学生集中在考场并进行考试答题和提交答卷。线上考试形式通常为学生通过互联网或者考试指定的客户端验证身份信息,之后获取学校方上传的考试试题,并在事先打印好的答题卡上进行作答;当考试时间结束时,将答题卡进行扫描为图片并上传至客户端,进而完成考试的提交。答题卡通常为统一的答题卡。另外,如答题卡、试卷等考试信息为隐私信息,其在传输的过程中需要保证一定的安全性,即要防止其在传输过程中遭受到信道攻击和明文窃取。
目前,学校方通常通过传输网络将扫描好的试题图像传输给学生方,学生方完成答题后通过传输网络将扫描好的答题卡图像传输至学校方,进而完成整个考试流程。然而,由于试卷图像并未进行加密操作,在其传输的过程中容易遭到外部攻击,导致试卷图像泄露。再者,在图像传输时,可能会出现在同一时间点大量图像上传的情况。面对大量的图像数据,传输网络无法处理庞大的数据量,进而导致传输网络崩溃,试卷图像文件无法正常传输给学生方或学校方。
发明内容
本发明的目的是提供一种试卷图像文件方法及存储介质,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
本发明解决其技术问题的解决方案是:第一方面,本申请提供一种试卷图像文件处理方法,包括如下步骤:
接收来自发起端的试卷图像,通过图像分割模型提取所述试卷图像中的特定区域和非特定区域;
检测传输网络的网络通畅率,根据网络通畅率计算所述传输网络的传输数据量阈值;
当所述试卷图像的文件数据量大于所述传输数据量阈值时,通过神经网络模型对所述特定区域进行压缩,得到特定压缩区域,并通过混沌迭代算法对所述特定压缩区域进行加密,得到第一图像压缩信号;
通过压缩感知技术对所述非特定区域进行压缩,得到第二图像压缩信号;
将所述第一图像压缩信号和所述第二图像压缩信号一并传输至目标端。
进一步地,所述通过图像分割模型提取所述目标图像中的特定区域和非特定区域,包括:
通过云端获取若干个历史试卷图像并构成图像分割数据集,所述云端存储有若干个历史试卷图像;
其中,所述历史试卷图像中均包含有特定区域和非特定区域;
从所述图像分割数据集中循环抽取每个历史试卷图像作为测试集,样本中其余历史试卷图像作为训练集;
以非特定区域为模型参数,对所述训练集采用深度学习的方法进行模型训练,得到各个图像分割模型;
采用测试集对各个图像分割模型进行测试,得到各个图像分割模型的测试结果;
根据各个图像分割模型的测试结果,得到最终图像分割模型的性能指标;
采用最终图像分割模型对所述目标图像进行特定区域和非特定区域的分割。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东职业技术学院,未经广东职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211510353.7/2.html,转载请声明来源钻瓜专利网。