一种海量证照数据质量检验方法与流程

本申请涉及图像数据处理，尤其涉及一种海量证照数据质量检验方法。

背景技术：

1、随着计算机硬件性能的不断突破和新一代信息技术不断发展，资质证书、证件信息等证照数据也由纸质转向电子数据化，广泛应用于日常工作生活中。数字化电子证照数据相较于纸质证照具有存储密度高，污染小，便于管理等特点。

2、在数字化电子证照数据采集存储过程中，由于存储介质等诸多复杂环境因素影响，证照数据常出现数据缺失、混乱异常等问题。发生数据缺失的电子证照，不利于证照使用时的识别辨认，对证照的应用造成较大影响，因此需要对收集获取得到的证照数据进行检验评价。

3、现有技术中，证照数据检验评价主要采用的方法有阈值分割niblack算法中，但是传统阈值分割niblack算法中的经验参数需要人为设定主观性较强，在证照灰度图像中分割效果较差。

4、因此，亟需一种证照数据质量检验方法，以提高对证照数据质量检验的准确性。

技术实现思路

1、本申请提供了一种海量证照数据质量检验方法，以提高对证照数据质量检验的准确性。

2、提供了一种海量证照数据质量检验方法，所述方法包括：

3、采集并处理证照数据，获得证照灰度图像；

4、在所述证照灰度图像中获得以任一像素点i为中心的局部区域，分析所述局部区域中的所有像素点的变化特点，计算获得所述像素点i的分布变化特征数值，根据所述分布变化特征数值对所述证照灰度图像中异常像素点进行凸显表征；

5、根据所述分布变化特征数值，计算获得所述局部区域中的所述像素点i与其他任一像素点j之间的分布度量距离，根据所述分布度量距离对所述证照灰度图像中异常像素点进行优化表征；

6、根据分布度量距离，获得所述像素点i的分布度量阈值，根据所述分布度量阈值获得所述像素点i的关联像素点；

7、根据分布度量距离和所述关联像素点，计算获得所述像素点i的异常划分系数；

8、根据所述异常划分系数，结合所述局部区域中所有像素点灰度值的均值和所有像素点灰度值的方差，计算获得局部划分阈值；

9、根据所述局部划分阈值，判断识别所述局部区域中的异常像素点。

10、在本发明的一些实施例中，所述方法还包括：

11、根据所述证照灰度图像中所有异常像素点的个数和总像素点的个数，计算获得所述证照灰度图像的质量因子，所述质量因子的计算方法为：

12、

13、式中，表示证照灰度图像的质量因子；表示划分后得到的证照灰度图像中异常像素点个数；表示证照灰度图像中所有不同位置处的像素点个数；

14、根据所述质量因子，判断所述证照灰度图像的质量。

15、在本发明的一些实施例中，分析所述局部区域中的所有像素点的变化特点，计算获得所述像素点i的分布变化特征数值，包括：

16、分析所述局部区域的所有像素点，获得所述局部区域中像素点灰度值的分布频率；

17、根据所述分布频率，计算获得所述像素点i的分布熵；

18、根据所述分布熵，计算获得所述像素点i的分布变化特征数值。

19、在本发明的一些实施例中，所述分布频率的计算方法为：

20、

21、式中，表示局部区域中第个位置处的像素点灰度值的分布频率；表示局部区域中第个位置处的像素点灰度值对应量化后的变化特征区间中像素点的总个数；表示局部区域中像素点的总个数。

22、在本发明的一些实施例中，所述分布熵的计算方法为：

23、

24、式中，表示像素点i的分布熵；表示量化后的变化特征区间数量；表示以像素点为中心的局部区域中局部区域中第个位置处的像素点灰度值的分布频率。

25、在本发明的一些实施例中，所述分布变化特征数值计算方法为：

26、

27、式中，表示像素点i的分布变化特征数值；局部区域中所有像素点灰度值最大为，局部区域中所有像素点灰度值最小为；表示像素点i的分布熵。

28、在本发明的一些实施例中，所述分布度量距离计算方法为：

29、

30、式中，表示像素点和像素点的分布度量距离，表示了像素点和像素点领域中八个不同位置处的像素点数量；分别表示了像素点和像素点八领域中不同像素点计算得到的分布变化特征数值构成的序列中第个位置处的数值大小；表示归一化函数，将数据归一化到区间上。

31、在本发明的一些实施例中，所述分布度量阈值计算方法为：

32、

33、式中，表示像素点i的分布度量阈值；为以像素点为中心的局部区域中的像素点总个数；表示像素点和像素点的分布度量距离。

34、在本发明的一些实施例中，所述异常划分系数计算方法为：

35、

36、式中，表示像素点的异常划分系数；为归一化函数，将计算结果归一化到区间上；表示像素点的关联像素点个数；表示局部区域中像素点的总个数；表示像素点与第个位置处的像素点的分布度量距离，表示像素点与第+1位置处的像素点的分布度量距离。

37、在本发明的一些实施例中，所述局部划分阈值的计算方法为：

38、

39、式中，表示证照灰度图像的局部划分阈值；根据所述异常划分系数，表示局部区域中所有像素点灰度值的均值；表示局部区域中所有像素点灰度值的方差；表示像素点的异常划分系数。

40、由以上实施例可见，本申请实施例提供的海量证照数据质量检验方法，具有的有益效果如下：

41、本发明实施例结合证照灰度图像中异常变化的像素点灰度值变化分布特点计算构建得到证照灰度图像分布变化特征数值，对证照灰度图像中异常像素点进行突显表征。同时，根据证照灰度图像中不同像素点位置的变化特点计算得到相应的分布度量距离，然后对海量证照数据的像素点进行优化表征，避免原始证照灰度图像冗余数据信息后续进一步计算过程中计算成本较高影响。进一步地，本发明实施例结合证照灰度图像中分布度量距离计算获取得到关联像素点，并根据该关联像素点的分布变化特征对传统niblack算法中经验参数进行优化计算，有效地规避了传统计算过程中经验参数需要操作人员人为设置主观性较强，易受实验操作人员经验影响导致最终证照异常像素点划分误差较大的影响，提高了海量证照数据检验过程中智能化和准确性效果。

42、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

技术特征：

1.一种海量证照数据质量检验方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种海量证照数据质量检验方法，其特征在于，所述方法还包括：

3.根据权利要求1所述的一种海量证照数据质量检验方法，其特征在于，分析所述局部区域中的所有像素点的变化特点，计算获得所述像素点i的分布变化特征数值，包括：

4.根据权利要求3所述的一种海量证照数据质量检验方法，其特征在于，所述分布频率的计算方法为：

5.根据权利要求3所述的一种海量证照数据质量检验方法，其特征在于，所述分布熵的计算方法为：

6.根据权利要求3所述的一种海量证照数据质量检验方法，其特征在于，所述分布变化特征数值计算方法为：

7.根据权利要求1所述的一种海量证照数据质量检验方法，其特征在于，所述分布度量距离计算方法为：

8.根据权利要求1所述的一种海量证照数据质量检验方法，其特征在于，所述分布度量阈值计算方法为：

9.根据权利要求1所述的一种海量证照数据质量检验方法，其特征在于，所述异常划分系数计算方法为：

10.根据权利要求1所述的一种海量证照数据质量检验方法，其特征在于，所述局部划分阈值的计算方法为：

技术总结
本申请属于图像数据处理技术领域，提供了一种海量证照数据质量检验方法，包括：通过获得像素点i的分布变化特征数值，对证照灰度图像中异常像素点进行凸显表征；通过获得局部区域中的像素点i与其他任一像素点j之间的分布度量距离，对证照灰度图像中异常像素点进行优化表征；获得像素点i的分布度量阈值，进一步获得像素点i的关联像素点，根据分布度量距离和关联像素点，计算获得像素点i的异常划分系数；然后计算获得局部划分阈值；判断识别局部区域中的异常像素点。本发明提供的方法，提高了海量证照数据检验过程中智能化和准确性效果，并且提高了海量证照数据计算过程中实时响应效果，降低了计算成本。

技术研发人员：赵一新,王雪,关新雨,谷蕾,李文乾
受保护的技术使用者：山东省大数据中心
技术研发日：
技术公布日：2024/1/15