[发明专利]基于高斯模糊的理赔材料图像质量控制方法、系统以及设备

权利要求书

1.一种基于高斯模糊的理赔材料图像质量控制方法，其特征在于，所述基于高斯模糊的理赔材料图像质量控制方法包括以下步骤：

获取输入的理赔材料的图像；

建立理赔材料图像质量评分模型，综合处理图像清晰度评估指标算法，执行理赔材料图像的计算机视觉图像质量评分；以及

获取理赔材料图像质量评分模型的理赔材料图像的图像质量评分结果，高斯模糊比较理赔材料图像，执行基于计算机视觉的无参考图像质量指标分析；

输出理赔材料图像清晰判断结果。

2.如权利要求1所述的基于高斯模糊的理赔材料图像质量控制方法，其中基于计算机视觉的无参考图像质量指标分析步骤中，还包括以下步骤：高斯模糊比较理赔材料图像，对同一张图像执行竖向多次模糊比较，获取待测图像和模糊图像通过理赔材料图像质量评分模型的综合算法计算得到的图像指标，根据这些指标的变化情况确定清晰度值的高低，计算结果变化越小则该图像越清晰，反之则模糊。

3.如权利要求2所述的基于高斯模糊的理赔材料图像质量控制方法，其中所述基于高斯模糊的理赔材料图像质量控制方法还包括以下步骤：执行最终图像清晰度各类算法指标的归一化处理；以及加权计算最终图像质量评分。

4.如权利要求2所述的基于高斯模糊的理赔材料图像质量控制方法，其中所述基于高斯模糊的理赔材料图像质量控制方法还包括以下步骤：

获取输入的所有理赔材料图像的综合清晰度评分；以及

根据清晰度层级的阈值将输入的图像分类成清晰或非清晰图片，同时建立图像清晰度数据库，记录每张图像的清晰度得分；

其中采用高斯模糊对待测理赔材料图像执行多次模糊的默认模糊次数被预设为4-5次；

其中清晰度层级的阈值被预设划分为2、3、5个层级；

其中对阈值执行判定时，得到的每种基础算法的变化值通过加权的方式计算出最终的图像清晰值，其权值通过执行基于机器学习的逻辑回归与支持向量机SVM算法得到相应的权值参数。

5.如权利要求1至4中任一所述的基于高斯模糊的理赔材料图像质量控制方法，其中图像清晰度评估指标算法选自Brenner梯度算法、Laplacian梯度算法、SMD灰度方差算法、SMD2灰度方差乘积算法、能量梯度算法、Vollath函数算法、熵函数算法、EAV点锐度算法、NRSS梯度结构相似度的一种或多种。

6.一种基于高斯模糊的理赔材料图像质量控制设备，其特征在于，包括：

存储器，用于存储软件应用程序，

处理器，用于执行所述软件应用程序，所述软件应用程序的各程序相对应地执行权利要求1至5中所述的基于高斯模糊的理赔材料图像质量控制方法中的步骤。

7.一种基于高斯模糊的理赔材料图像质量控制系统，其特征在于，所述基于高斯模糊的理赔材料图像质量控制系统包括理赔材料图像质量控制客户子系统以及理赔材料图像质量控制服务子系统，所述理赔材料图像质量控制客户子系统设置有人机交互单元，用于输入理赔材料的图像，所述理赔材料图像质量控制服务子系统被配置为：获取输入的理赔材料的图像；建立理赔材料图像质量评分模型，综合处理图像清晰度评估指标算法，执行理赔材料图像的计算机视觉图像质量评分；以及获取理赔材料图像质量评分模型的理赔材料图像的图像质量评分结果，高斯模糊比较理赔材料图像，执行基于计算机视觉的无参考图像质量指标分析；所述理赔材料图像质量控制服务子系统输出理赔材料图像清晰判断结果至所述理赔材料图像质量控制客户子系统。