[发明专利]一种基于多特征算子的乱码文档图片识别方法及系统

说明书

本发明提出了一种基于多特征算子的乱码文档图片识别方法，涉及图像识别领域。一种基于多特征算子的乱码文档图片识别方法，包括如下步骤：采集多个图像样本，对上述图像样本进行多尺度图像加强处理；将上述图像样本进行SIFT特征提取；对上述图像样本进行GIST特征提取；获取待检测图像，通过多数值KNN算法对上述待检测图像进行判定。此外本发明还提出了一种基于多特征算子的乱码文档图片识别系统，应用上述方法实现。本发明其能够提高识别乱码文档的准确率，提高对乱码文档识别的适用范围。

技术领域

本发明涉及图片识别领域，具体而言，涉及一种基于多特征算子的乱码文档图片识别方法。

背景技术

随着科技时代的来临，越来越多的文字、符号编辑后在网络中相互分享并以图片的形式展示，给大家的阅读带来了极大的方便。然而，由于传输、格式匹配、转换、兼容等问题，数据库、网络中的很多图片会以乱码的形式展现，不仅极大地影响了阅读效果，也占用了很多存储、网络资源。因此，如何精准地将乱码文档图片识别出来是一项非常有意义的工作。

针对上述问题，很多专家和学者对上述问题进行了较为深入的研究。基于深度卷积神经网络的乱码文档图片识别方法有较高的识别精度，但它往往依赖于海量的训练样本和较大的计算资源。KNN算法作为低耗的分类、识别方法可以实现乱码文档图片识别，由于没有充分考虑乱码文档图片的多样性、差异性和复杂性，所以准确率和普适性还并不是非常理想。因此，如何在传统方法的基础上，找到一种准确率较高、普适性较强的乱码文档识别方法是一个亟待解决的问题。

发明内容

本发明的目的在于提供一种基于多特征算子的乱码文档图片识别方法，其能够提高识别乱码文档的准确率，提高对乱码文档识别的适用范围。

本发明的另一目的在于提供一种基于多特征算子的乱码文档图片识别系统，其能够提高识别乱码文档的准确率，提高对乱码文档识别的适用范围。

本发明的实施例是这样实现的：

第一方面，本申请实施例提供一种基于多特征算子的乱码文档图片识别方法，包括如下步骤：(1)采集多个图像样本，对上述图像样本进行多尺度图像加强处理；(2)将上述图像样本进行SIFT特征提取；(3)对上述图像样本进行GIST特征提取；(4)获取待检测图像，通过多数值KNN算法对上述待检测图像进行判定。

在本发明的一些实施例中，上述步骤(1)中，上述图像样本包括正常训练样本和负正常训练样本，选取多个非乱码文档图片作为上述正常训练样本，选取多个乱码文档图片作为上述负正常训练样本。

在本发明的一些实施例中，上述步骤(1)包括如下步骤：将上述正常训练样本和上述负正常训练样本分别进行多尺度的高斯模糊；将模糊后的上述正常训练样本和上述负正常训练样本分别和原图做减法，得到不同程度的细节信息；将不同程度的细节信息加权到原图中，得到含有丰富细节信息的加强图像。

在本发明的一些实施例中，通过人工选取的方式分别选取上述正常训练样本和上述负正常训练样本。

在本发明的一些实施例中，上述步骤(4)中，所述步骤(4)中，利用上述步骤(1)～(3)对所有所述图像样本进行处理后通过数值KNN算法模型存储，利用所述数值KNN算法模型对所述待检测图像进行判定。

在本发明的一些实施例中，上述步骤(4)包括如下步骤：计算上述待检测图像分别与各上述训练样本之间的欧式距离，利用欧式距离得到相似度高的多个上述训练样本，判断得到的多个上述训练样本是否属于上述正常训练样本或负正常训练样本，当多数属于正常训练样本时判定上述待检测图像为非乱码文档图片，否则判定上述待检测图像为乱码文档图片。