[发明专利]一种基于迁移学习的印章识别方法

权利要求书

1.一种基于迁移学习的印章识别方法，其特征在于，包括以下步骤：

S1印章图像收集：收集客户的印章图像，并将印章图像扫描入计算机内；

S2构建原始印章图像数据库：判断所述步骤S1中的印章图像是否包含除原始印章外的背景图像，如果包含背景图像则对印章图像进行预处理，再将预处理后形成的原始印章图像构建入原始印章图像数据库内，如果不包含背景图像则直接将印章图像存入原始印章图像数据库内，原始印章图像数据库内包含原始印章图像数据；

S3训练阶段：获取基于卷积神经网络的预训练模型，将原始印章图像数据库作为预训练模型的输入并对预训练模型进行训练，训练构建出基于卷积神经网络的分类器，使用与所述预训练模型的输出更新所述分类器；

S4识别阶段：用步骤S3选出的分类器进行印章识别，从而获得识别的结果。

2.根据权利要求1所述的一种基于迁移学习的印章识别方法，其特征在于：所述步骤S1中通过相机或扫描仪对印章图像进行拍照或扫描，获得印章图像数据。

3.根据权利要求1所述的一种基于迁移学习的印章识别方法，其特征在于：所述步骤S2中预处理包括RGB颜色模型提取方法和二值化膨胀腐蚀方法，所述RGB颜色模型提取方法用于处理红色印章图像，所述二值化膨胀腐蚀方法用于处理蓝色印章图像。

4.根据权利要求1所述的一种基于迁移学习的印章识别方法，其特征在于，所述步骤S3的具体步骤包括：

(1)首先将原始印章图像数据集划分为训练集、验证集和测试集，将训练集的图片输入到预训练模型中，每张图片经过预训练模型中的各个卷积层和池化层后得到多个特征图，这些特征图再经过各个全连接层得到预测结果；

(2)然后用交叉熵函数评价预测结果和真实值之间的差距，对训练集中的每张图片都重复上述步骤，在这个过程中，每次都用梯度下降法对模型的一个或几个全链接层参数进行优化更新，所有的训练图片样本都输入过该网络为一次网络的更新；

(3)每次网络更新后，用验证集去计算准确率，选出准确率最高的模型得到一个分类器；

(4)多次步骤即可得到多个分类器，再用测试集验证各个分类器的准确率，然后选出准确率最高的分类器。

5.根据权利要求3所述的一种基于迁移学习的印章识别方法，其特征在于，所述RGB颜色模型提取方法以下步骤：

(1)提取印章图像；若印章图像的像素值中Red大于100，且像素值Red与Blue、以及Red与Green之差均大于45，则认为该像素点为有效印章颜色，即红色；若三种分量值之和大于540，则认为该像素点为正常背景色；除上述两种情况之外的像素点为背景干扰色；

(2)采用Hough变化和中值过滤法除去印章图像上的噪声信息，获取原始印章图像。

6.根据权利要求3所述的一种基于迁移学习的印章识别方法，其特征在于：所述二值化膨胀腐蚀方法包括以下步骤：

(1)将印章图像进行二值化处理后，计算印章图像中的背景标识离散点，获取所述背景标识离散点的图像帧，并对所述背景标识离散点的图像帧进行反复膨胀，得到边沿连续的图像；

(2)对经所述反复膨胀后的图像进行多次腐蚀；对经所述腐蚀后的图像进行背景去除，标识出封闭边沿的目标，即可得到原始印章图像。