[发明专利]一种基于深度学习的扫描件图像污迹去除方法

权利要求书

1.一种基于深度学习的扫描件图像污迹去除方法，其特征在于针对银行档案扫描件图像的成像的特点，通过将深度学习对比度分类结果去改进传统对比度增强，改善扫描件的对比度，并通过深度学习技术，检测扫描件全图的主成分、点状污点、页码，通过图像作差获得边缘位置的污迹，并通过设计简易有限的算法，分析污点周边的颜色分布，自动填充污点区域，具体包括：

步骤一，将深度学习对比度分类结果去改进的传统对比度增强，改善扫描件的对比度；

步骤二，标注扫描件的主要成分，进行深度学习训练得到模型后，检测得到扫描件的主要成分，并根据主要成分，通过图像作差获得边缘位置的污迹；

步骤三，利用深度学习剔除页码干扰的前提下，完成点状污点类型污迹的检测；

步骤四，通过分析污点周边的颜色分布，自动填充污点区域。

2.权利要求1所述一种基于深度学习的扫描件图像污迹去除方法，其特征在于，

步骤一所述的深度学习对比度分类指，收集真实场景中的档案扫描件图像10000张，然后分10个对比度等级，手工将图片分为10个对比度类别，利用自行精简的VGG16深度网络进行训练，获得图片对比度分类网络模型(传统的VGG16包含了16个隐藏层(13个卷积层和3个全连接层)，本专利采用自行精简的VGG网络只有10个卷积层和2个全连接层。实验表明，如此精简后的速度显著提升，而且精度降低极少)，然后利用该模型，对原始输入的图片进行深度学习模型推理，获得测试图片的深度学习对比度分类结果，设为Lever(简称L)，Lever的范围为1～10。

3.权利要求1所述一种基于深度学习的扫描件图像污迹去除方法，其特征在于，

步骤一所述的将深度学习对比度分类结果去改进传统对比度增强指，利用自行精简的VGG深度学习分类网络所得的Lever值，去调整传统对比度增强的关键系数L，所述的传统对比度增强指对数变换图像增强，变换函数为s＝L×ln(1+r)，其中r为输入图像的灰度值，s为输出图像的灰度值，L为关键系数。

4.权利要求1所述一种基于深度学习的扫描件图像污迹去除方法，其特征在于，

步骤二所述的标注扫描件的主要成分，指根据档案电子化的要求，手工标注出原始扫描件中只需要保留的图像区域(主要成分)，以用于后续的深度学习的训练数据。所述的检测得到扫描件的主要成分，指利用YOLOV2深度学习目标检测网络训练所标注的主成分，得到主成分检测模型，执行深度网络前向推理，以获得原始扫描图像的主要成分图像区域。

5.权利要求1所述一种基于深度学习的扫描件图像污迹去除方法，其特征在于，

步骤二所述的通过图像作差获得边缘位置的污迹指，将原始扫描图像的区域与主要成分图像区域作差，从而获得位于原始扫描图像边缘的黑边和或白边类型的污迹，这是因为，扫描图像的边缘，我们发现通常大概率会存在黑边和或白边类型的污迹。

6.权利要求1所述一种基于深度学习的扫描件图像污迹去除方法，其特征在于，

步骤三所述的利用深度学习剔除页码干扰的前提下，完成点状污点类型污迹的检测指，深度学习模型训练的时候，利用YOLOV2深度网络，除了训练点状污点类型污迹，还训练与点状污点类型污迹容易发生混淆的页码，提升深度学习模型对点状类污迹的准确率。

7.权利要求1所述一种基于深度学习的扫描件图像污迹去除方法，其特征在于，

步骤四所述的通过分析污点周边的颜色分布，自动填充污点区域指，考虑到每个污迹所在区域，其应该填充的颜色不一样，所以对识别出的每一个污迹区域，通过统计该区域四周的图像区域，通过排序、剔除序列前10％和后10％之后，统计出众数颜色，进行智能颜色填充，以达到和谐去除污迹的目的。