[发明专利]一种试卷扫描图像中作文区域书写评级方法

说明书

本发明公开一种试卷扫描图像中作文区域书写评级方法，涉及图像分类领域。针对试卷扫描图像中的作文区域的书写评级问题，提出将作文图像切分成小图，对小图预测类别后再通过小图类别预测大图书写级别的方法。方法中包括作文图像切分、密集连接卷积网络denseNet预测小图、预测数据再处理、XGBoost集成预测四个部分。本方法可减少作文图像中非手写体区域对书写评级的影响，同时综合手写区域各部分特征进行预测，预测良好效果。

技术领域

本发明属于图像分类技术领域，具体是一种试卷扫描图像中作文区域书写评级方法。

背景技术

互联网早已经普及到了千家万户，也一直在推进各行各业的变革。教育这一相对保守的行业面对这日新月异的互联网时代，也不得不顺应时代潮流。网络教育是一种资源共享的变革，而网络批阅则是生产力的变革。各种网络阅卷系统不断推进市场，其中英语作文模块又对阅卷系统起到相当大的作用。但是调研众多批阅系统的英语作文评分功能后发现，其缺乏对书写因素的考虑。

现有的各种作文评分系统，都是先利用OCR识别方法，从图像识别出文本，然后在文本基础上进行评分分析，并没有考虑到学生的书写因素，因此各种作文评分系统的准确率也一直受到限制。如果能将作文书写也作为评分的一个特征则能对作文评分系统的发展提到很大的推动作用。

深度学习是目前图像处理的主流方法，因为它能在大量数据中自动提取特征，并归纳各特征的影响大小与影响方式，深度学习中的卷积方法则着重提取图像的各个局部特征，进一步适应了图像的应用场景，提高预测准确率。本发明将利用密集连接卷积网络提取局部视野的能力与深层网络的归纳能力，提出对英语图像中的书写方面进行评级的解决方法。

发明内容

(一)解决的技术问题：

解决试卷扫描图像中作文区域不能抽取书写级别特征，导致作文评分误差较大问题，提供一种基于试卷扫描图像中作文区域文本书写评级方法。

(二)技术方案

为实现上述目的，一种试卷扫描图像中作文区域书写评级方法，采用将作文图像切分成小图，对小图预测类别后再通过小图类别预测大图书写级别的方案。主要包括包括图像切分、小图预测、预测数据再处理、集成预测四个部分。

优选的，所述图像切分具体描述为：作文区域图像先按比例缩放到560宽度即尺寸为(560*(560*h/w))，再对缩放后的图像以112为步长切分成224*224的小图。

优选的，所述小图预测具体描述为：构建小图分类训练数据，采用密集连接卷积网络denseNet训练分类模型，对224*224的小图预测书写类别。密集连接卷积网络denseNet设置如下：

(1)、学习率：0.01，衰减率为0.9；

(2)、优化器：Adagrad；

(3)、batch:32；

(4)、epoch:50；

优选的，所述构建小图分类训练数据具体为：将作文图像切分成224*224小图进行人工标注，非手写体的label为0，其他部分根据手写字体是否美观分为1、2、3、4(对应“较差”、“一般”、“良好”、“优秀”)，一共五个类别。

优选的，所述预测数据再处理具体描述为：以每张作文大图为单位，对由denseNet网络模型预测的小图类别结果再处理，计算对应大图切分出的小图中各级别数量以及各级别数量对该大图切出的小图总数量百分比。

一种试卷扫描图像中作文区域书写评级方法，包括以下具体步骤：

步骤一、收集数据：准备作文区块的扫描图像500张，尽可能包含应用场景的各种答题试卷类型；