[发明专利]一种基于CRNN的费用清算收据检测方法

权利要求书

1.一种基于CRNN的费用清算收据检测方法，其特征在于，所述方法包括：

获得票据图像，对所述票据图像进行颜色定位识别，获得定位识别结果；

基于所述定位识别结果进行所述票据图像的印章特征消除，获得初始处理图像；

对所述初始处理图像进行滤波处理，获得降噪图像；

基于UL-PCNN模型进行所述降噪图像的初始处理，并获得所述UL-PCNN模型在进行初始处理过程中的反馈输入参数；

对所述反馈输入参数进行对比度增强优化，生成优化反馈输入参数，基于所述优化反馈输入参数进行所述初始处理的图像分割优化，获得图像分割结果；

通过Hough进行所述图像分割结果的文字定位，基于文字定位结果和所述降噪图像进行图像截取，通过CRNN进行图像截取结果的文字内容识别，生成内容识别结果；

通过所述内容识别结果进行清算检测。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

获得所述反馈输入参数的参数坐标；

基于所述参数坐标采集获得所述参数坐标的邻域灰度值；

计算获得所邻域灰度值的平均值，判断所述参数坐标的对应点灰度值是否大于所述平均值；

当所述参数坐标的对应点灰度值大于所述平均值时，则将所述邻域灰度值中像素最大值替换为所述对应点的灰度值；

根据替换结果获得所述优化反馈输入参数。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

获得所述UL-PCNN模型的连接系数β_ij；

通过公式进行所述连接系数β_ij优化，公式如下：

其中，m为坐标(i,j)邻域内神经元个数，S_kl为坐标(i,j)点的邻域灰度值，S_ij为坐标(i,j)点的灰度值。

4.如权利要求2所述的方法，其特征在于，所述方法还包括：

通过边缘检测进行降噪图像和初始分割图像的边缘检测，获得原图像边缘G_S和分割图像边缘G_Y；

通过公式进行分割前后的图像均方误差E_MS，计算公式如下：

其中，M为图像的行数；N为图像的列数；

根据所述图像均方误差E_MS进行图像分割评价，基于图像分割评价结果进行分割优化后获得所述图像分割结果。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

构建颜色识别特征集合；

基于所述颜色识别特征集合进行所述票据图像进行颜色特征识别，根据识别结果获得所述定位识别结果，其中，所述定位识别结果包括印章特征定位结果；

对所述票据图像进行像素的RGB中位数计算，根据计算结果得到纸张RGB通道值，通过所述纸张RGB通道值进行所述印章特征定位结果的印章像素点替换，根据替换结果获得所述初始处理图像。

6.如权利要求1所述的方法，其特征在于，所述对所述初始处理图像进行滤波处理，获得降噪图像，还包括：

对所述初始处理图像进行灰度化处理，获得灰度处理图像；

计算获得所述灰度处理图像中每个像素点的噪声标准差，基于所述噪声标准差获得噪声标准差集合；

获得所述噪声标准差集合的中值，将所述中值作为噪声阈值；

对所述噪声标准差集合中满足所述噪声阈值的像素点基于半边旋转窗口法重新计算噪声标准差和滤波窗口，并基于计算结果进行所述噪声标准差集合更新；

基于所述噪声标准差集合更新结果进行所述灰度处理图像中每个像素点的双边滤波处理，通过区域相似度模型进行强噪声判定；

基于中值滤波器进行判定的强噪声的噪声去除，根据去除结果获得所述降噪图像。