[发明专利]票据图像分类方法、装置、计算机设备和存储介质

权利要求书

1.一种票据图像分类方法，其特征在于，包括：

对待分类票据图像进行采样，得到多个不同尺度的票据图像；

利用滑动窗口分别对各所述票据图像进行扫描，并分别提取扫描后各图像的图像语义信息，得到单一尺度图像语义信息，包括：

根据预设的滑动窗口尺寸和扫描步长，分别对各所述票据图像进行扫描，得到各所述票据图像的票据子图像集；

利用训练好的浅层卷积神经网络，分别提取各所述票据子图像集的图像语义信息，得到各所述票据子图像集的单一尺度图像语义信息；所述浅层卷积神经网络利用票据图像数据集训练；

将各所述单一尺度图像语义信息进行信息融合，得到多尺度图像语义信息；

根据所述多尺度图像语义信息进行票据分类，得到所述待分类票据图像的票据类型。

2.根据权利要求1所述的方法，其特征在于，所述对待分类票据图像进行采样，得到多个不同尺度的票据图像，包括：

根据预设的采样步长和采样图像尺寸范围，以所述待分类票据图像的最大边对所述待分类票据图像进行等比向上采样和等比向下采样，得到多个不同尺度的票据图像。

3.根据权利要求1所述的方法，其特征在于，所述将各所述单一尺度图像语义信息进行信息融合，得到多尺度图像语义信息，包括：

将各所述单一尺度图像语义信息进行特征合并，得到多尺度图像语义信息。

4.根据权利要求1所述的方法，其特征在于，所述根据所述多尺度图像语义信息进行票据分类，得到所述待分类票据图像的票据类型，包括：

将所述多尺度图像语义信息输入至训练好的票据分类网络进行票据分类，得到所述票据分类网络输出的票据类型以及所述票据类型对应的置信度；所述票据分类网络利用票据图像数据集训练；

确定最高的所述置信度对应的票据类型为所述待分类票据图像的票据类型。

5.根据权利要求1或4所述的方法，其特征在于，所述票据图像数据集的构建方法，包括：

收集原票据图像；

对所述原票据图像进行抗噪增强和角度增强，得到增强票据图像；

根据所述原票据图像和所述增强票据图像构建票据图像数据集。

6.根据权利要求1所述的方法，其特征在于，利用所述票据图像数据集训练浅层卷积神经网络和票据分类网络的方法，包括：

按照预设比例将所述票据图像数据集划分为训练集和测试集；

利用数据生成器从所述训练集中随机生成训练图像，通过所述训练图像对所述浅层卷积神经网络和所述票据分类网络进行训练；

根据所述测试集对训练后的所述浅层卷积神经网络和所述票据分类网络进行测试，根据测试结果对网络调整后返回利用数据生成器从所述训练集中随机生成训练图像的步骤进行迭代训练，直至测试结果收敛为止。

7.一种票据图像分类装置，其特征在于，包括：

采样模块，用于对待分类票据图像进行采样，得到多个不同尺度的票据图像；

滑动窗口扫描模块，用于利用滑动窗口分别对各所述票据图像进行扫描，并分别提取扫描后各图像的单一尺度图像语义信息，包括：根据预设的滑动窗口尺寸和扫描步长，分别对各所述票据图像进行扫描，得到各所述票据图像的票据子图像集；利用训练好的浅层卷积神经网络，分别提取各所述票据子图像集的图像语义信息，得到各所述票据子图像集的单一尺度图像语义信息；所述浅层卷积神经网络利用票据图像数据集训练；

信息融合模块，用于将各所述单一尺度图像语义信息进行信息融合，得到多尺度图像语义信息；

分类模块，用于根据所述多尺度图像语义信息进行票据分类，得到所述待分类票据图像的票据类型。

8.一种计算机设备，包括处理器和存储器，所述存储器存储有计算机程序，其特征在于，所述处理器用于执行所述计算机程序时实现权利要求1-6中任意一项所述的票据图像分类方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6中任意一项所述的票据图像分类方法。