本说明书属于图像处理,尤其涉及图像处理方法、装置、服务器和高拍仪。
背景技术:
1、在金融业务场景中,用户在金融服务机构(例如,银行等)的业务大厅柜台办理相关业务时,常常需要提供相应的凭证。
2、基于现有方法,通常会利用设置于柜台的高拍仪拍摄采集针对该凭证的照片作为凭证图像;并将该凭证图像发送到后端进行相关的信息核验。但是,受设备、环境等因素的影响,高拍仪直接采集到的凭证图像往往会存在较多的图像噪声,导致后端收到的凭证图像的图像质量相对较差,进而影响后续的信息核验。
3、针对上述问题,目前尚未提出有效的解决方案。
技术实现思路
1、本说明书提供了一种图像处理方法、装置、服务器和高拍仪,够有效地保留下凭证图像中的本质特征,更好地去除凭证图像中的图像噪声,得到关于目标凭证的质量较高、效果较好的去噪后的二维图像。
2、本说明书提供了一种图像处理方法,应用于服务器,包括:
3、接收包含有目标凭证的目标视频;
4、根据所述目标视频,构建得到关于目标凭证的目标三维图像;
5、根据预设的图像处理规则,基于所述目标三维图像进行多轮的预设的图像去噪处理,得到去噪后的三维图像;其中,每一轮的预设的图像去噪处理至少包括稀疏系数学习和张量字典学习;
6、将所述去噪后的三维图像转换为对应的二维图像,得到关于目标凭证的去噪后的目标二维图像。
7、在一个实施例中,根据所述目标视频,构建得到关于目标凭证的目标三维图像,包括:
8、根据预设的截取规则,从目标视频中截取得到多个连续的图像帧,作为初始图像帧;
9、确定出初始图像帧中的关键像素点;
10、根据初始图像帧中的关键像素点的连续性,组合所述初始图像帧,以得到关于目标凭证的目标三维图像。
11、在一个实施例中,根据预设的图像处理规则,基于所述目标三维图像进行多轮的预设的图像去噪处理,得到去噪后的三维图像,包括:
12、根据预设的图像处理规则,将所述目标三维图像转换成频域数据,得到对应的目标三阶张量;
13、通过使用相匹配的构造方式,构建得到关于目标三阶张量的张量稀疏编码模型;
14、根据所述张量稀疏编码模型,进行多轮的预设的图像去噪处理,得到去噪后的三维图像。
15、在一个实施例中,通过使用相匹配的构造方式,构建得到关于目标三阶张量的张量稀疏编码模型,包括:
16、按照以下算式构建得到关于目标三阶张量的张量稀疏编码模型:
17、
18、其中,为目标三阶张量,为张量字典,为张量稀疏系数,为目标三阶张量中沿指定维度编号为n的切片,为张量字典中编号为l的字典原子,为张量稀疏系数中编号为n的稀疏系数分量,表示与差值的f范数,表示中的非零管数量。
19、在一个实施例中,根据所述张量稀疏编码模型,进行多轮的预设的图像去噪处理,包括:
20、按照以下方式进行当前轮的预设的图像去噪处理:
21、获取并基于上一轮的张量字典,构造当前轮的稀疏系数学习的优化模型;
22、根据当前轮的稀疏系数学习的优化模型,通过进行当前轮的稀疏系数学习,确定出当前轮的张量稀疏系数;
23、基于当前轮的张量稀疏系数,构造当前轮的张量字典学习的优化模型;
24、根据当前轮的张量字典学习的优化模型,通过进行当前轮的张量字典学习,确定出当前轮的张量字典。
25、在一个实施例中,获取并基于上一轮的张量字典,构造当前轮的稀疏系数学习的优化模型,包括:
26、按照以下算式,构造当前轮的稀疏系数学习的优化模型:
27、
28、其中,j∈{1,2,…,n},ε′为预设的阈值参数。
29、在一个实施例中,基于当前轮的张量稀疏系数,构造当前轮的张量字典学习的优化模型,包括:
30、按照以下算式,构造当前轮的张量字典学习的优化模型:
31、
32、在一个实施例中,在确定出当前轮的张量字典之后,所述方法还包括:
33、根据当前轮的张量稀疏系数和当前轮的张量字典,检测当前是否满足预设的截止条件;
34、在确定当前未满足预设的截止条件的情况下,进行下一轮的预设的图像去噪处理。
35、在一个实施例中,在检测当前是否满足截止条件之后,所述方法还包括:
36、在确定当前满足预设的截止条件的情况下,结束预设的图像去噪处理;
37、获取并利用当前轮的张量稀疏系数和当前轮的张量字典,生成去噪后的三维图像。
38、在一个实施例中,所述目标凭证包括以下至少之一:银行卡、身份凭证、业务凭证、合同文本。
39、在一个实施例中,所述目标视频包括在目标用户申办目标业务时通过高拍仪所采集到的视频数据;
40、相应的,在得到关于目标凭证的去噪后的目标二维图像之后,所述方法还包括:
41、根据目标二维图像,进行数据核验,得到数据核验结果;
42、根据数据核验结果,从预设的业务规则集中确定出相匹配的目标业务规则;
43、根据目标业务规则,为目标用户进行关于申办目标业务的数据处理。
44、本说明书还提供了一种图像处理装置,应用于服务器,包括:
45、接收模块,用于接收包含有目标凭证的目标视频;
46、构建模块,用于根据所述目标视频,构建得到关于目标凭证的目标三维图像;
47、处理模块,用于根据预设的图像处理规则,基于所述目标三维图像进行多轮的预设的图像去噪处理,得到去噪后的三维图像;其中,每一轮的预设的图像去噪处理至少包括稀疏系数学习和张量字典学习;
48、转换模块,用于将所述去噪后的三维图像转换为对应的二维图像,得到关于目标凭证的去噪后的目标二维图像。
49、本说明书还提供了一种服务器,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现所述图像处理方法的相关步骤。
50、本说明书还提供了一种计算机可读存储介质,其上存储有计算机指令,所述指令被处理器执行时实现所述图像处理方法的相关步骤。
51、本说明书还提供了一种高拍仪,至少包括摄像头和信号收发器;所述摄像头用于采集包含有目标凭证的目标视频;所述信号收发器用于将所采集到的目标视频发送至服务器;所述目标凭证为目标用户在申办目标业务时所提供的相关凭证;
52、其中,所述服务器用于根据所述目标视频,构建得到关于目标凭证的目标三维图像;根据预设的图像处理规则,基于所述目标三维图像进行多轮的预设的图像去噪处理,得到去噪后的三维图像;其中,每一轮的预设的图像去噪处理至少包括稀疏系数学习和张量字典学习;将所述去噪后的三维图像转换为对应的二维图像,得到关于目标凭证的去噪后的目标二维图像;根据所述目标二维图像,为目标用户进行关于申办目标业务的数据处理。
53、基于本说明书提供的图像处理方法、装置、服务器和高拍仪,可以通过高拍仪采集包含有目标凭证的目标视频代替常规的二维照片提供给服务器。服务器接收并根据目标视频构建关于目标凭证的目标三维图像;再根据预设的图像处理规则,基于所述目标三维图像进行多轮的预设的图像去噪处理,得到去噪后的三维图像;其中,每一轮的预设的图像去噪处理至少包括稀疏系数学习和张量字典学习;再将去噪后的三维图像转换回对应的二维图像,得到关于目标凭证的去噪后的目标二维图像。通过先采集包含有目标凭证的目标视频,并利用该目标视频基于像素点的连续性,构建得到关于目标凭证的目标三维图像;再利用目标三维图像的空间自相似性等空间结构特性,对该目标三维图像进行包含有稀疏系数学习和张量字典学习的多轮预设的图像去噪处理,从而能够有效地保留下图像中的本质特征,精准地去除图像中的图像噪声,进而得到关于目标凭证的质量较高、效果较好的去噪后的二维图像。