(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210799721.8 (22)申请日 2022.07.06 (71)申请人 南京辰光融信技 术有限公司 地址 210012 江苏省南京市雨 花台区花神 大道98号3栋3层 (72)发明人 张学彬　陈康康　刘宏恩　端正　 张潇林　滕强　 (74)专利代理 机构 北京市恒有知识产权代理事 务所(普通 合伙) 11576 专利代理师 郭文浩　尹文会 (51)Int.Cl. G06V 30/418(2022.01) G06V 30/19(2022.01) G06V 10/44(2022.01) (54)发明名称 扫描图像处 理方法、 设备及存 储介质 (57)摘要 本公开提供一种扫描图像处理方法、 设备及 存储介质， 包括基于所获取的原始扫描 图像， 通 过预先构建的图像预处理模型， 对原始扫描图像 进行图像预处理， 确定修正扫描 图像； 根据修正 扫描图像， 通过预先构建的图像特征提取模型， 确定修正扫描图像中的目标对象的目标位置并 提取目标对象对应的目标特征； 分别确定目标特 征对应的全局信息与局部信息， 并且融合全局信 息与局部信息， 确定原始扫描图像对应的搜索标 签信息； 响应待搜索图像的搜索请求， 基于待搜 索图像对应的搜索图像特征， 确定搜索图像特征 与搜索标签信息的匹配度， 根据匹配度的排序结 果输出搜索结果。 本公开的方法能够提高检索效 率， 还能保证每一扫描图像在检索过程中的唯一 性。 权利要求书3页 说明书12页 附图4页 CN 115240218 A 2022.10.25 CN 115240218 A 1.一种扫描图像处 理方法， 其特 征在于， 所述方法包括： 基于所获取的原始扫描图像， 通过预先构建的图像预处理模型， 对所述原始扫描图像 进行图像预处 理， 确定修 正扫描图像； 根据所述修正扫描图像， 通过预先构建的图像特征提取模型， 确定所述修正扫描图像 中的目标对 象的目标位置并提取所述 目标对象对应的目标特征， 其中， 所述 目标特征包括 文本特征、 图章特征以及防伪特征中至少一种， 所述图像特征提取模型包括用于提取图像 中文本特征的第一网络层、 用于提取图像中图章特征的第二网络层以及用于提取图像中防 伪特征的第三网络层； 分别确定所述目标特征对应的全局信 息与局部信 息， 并且融合所述全局信 息与所述局 部信息， 确定所述原 始扫描图像对应的搜索标签信息； 响应待搜索图像的搜索请求， 基于所述待搜索图像对应的搜索图像特征， 确定所述搜 索图像特 征与所述搜索标签信息的匹配度， 根据所述匹配度的排序结果输出搜索结果。 2.根据权利要求1所述的方法， 其特征在于， 当所述目标特征包括文本特征时， 根据所 述修正扫描图像， 通过预先构建的图像特征提取模型， 确定所述修正扫描图像中的目标对 象的目标位置并提取 所述目标对象对应的目标 特征的方法包括： 根据所述修正扫描图像， 基于预设的像素窗口按照预设步长对所述修正扫描图像进行 滑动扫描， 确定不同于背景区域的文本区域； 通过所述图像特征提取模型的第 一网络层中预设的文本分类器， 确定所述文本区域中 多个候选文本区域； 提取所述候选文本区域的纹理特征与边缘特征， 并将属于同一类别的纹理特征和边缘 特征进行空间映射， 确定所述多个候选文本区域中目标文本区域的目标位置 以及目标特 征。 3.根据权利要求1所述的方法， 其特征在于， 当所述目标特征包括图章特征时， 根据所 述修正扫描图像， 通过预先构建的图像特征提取模型， 确定所述修正扫描图像中的目标对 象的目标位置并提取 所述目标对象对应的目标 特征的方法包括： 将所述修正扫描图像进行 特征映射， 转换为多维灰度二 值矩阵； 通过所述图像特征提取模型的第 二网络层， 确定所述多维灰度二值矩阵中各个像素点 在所述修正扫描图像中的像素距离以及每 个像素点对应的权 重值； 基于所述各个像素点的特征值， 像素距离以及权重值， 确定每个像素点对应的核心区 域与外围区域； 根据多个核心区域对应的位置与特征， 确定所述核心区域中目标对应的目标位置， 并 提取所述目标对象的目标 特征。 4.根据权利要求1所述的方法， 其特征在于， 当所述目标特征包括防伪特征时， 根据所 述修正扫描图像， 通过预先构建的图像特征提取模型， 确定所述修正扫描图像中的目标对 象的目标位置并提取 所述目标对象对应的目标 特征的方法包括： 将所述修正扫描图像中所有的防伪底纹通过图像形态学转换为防伪特 征矩阵； 通过所述图像特征提取模型的第三网络层， 结合预先获取的防伪对应关系， 确定所述 防伪特征矩阵对应的明文特 征矩阵； 基于所述明文特征矩阵， 以及所述防伪底纹对应的图像像素点， 确定修正扫描图像中权　利　要　求　书 1/3 页 2 CN 115240218 A 2的目标对象的目标位置并提取 所述目标对象对应的目标 特征。 5.根据权利要求2至4中任一项所述的方法， 其特征在于， 分别确定所述目标特征对应 的全局信息与局部信息， 并且融合所述全局信息与所述局部信息， 确定所述原始扫描图像 对应的搜索标签信息的方法包括： 分别确定所述文本特征对应的第 一全局信 息和第一局部信 息， 所述图章特征对应的第 二全局信息和第二局部信息， 以及所述防伪特 征对应的第三全局信息和第三局部信息， 分别融合所述第 一全局信 息和所述第 一局部信 息得到第 一融合信 息、 融合所述第 二全 局信息和所述第二局部信息得到第二融合信息以及融合所述第三全局信息和所述第三局 部信息得到第三融合信息， 基于注意力向量机制分别为所述第 一融合信 息分配第 一注意力 权重、 为所述第 二融合 信息分配第二注意力权 重， 以及为所述第三融合信息分配第三注意力权 重； 根据所述第 一融合信 息和所述第 一注意力 权重、 所述第 二融合信 息和所述第 二注意力 权重以及所述第三融合信息和所述第三注意力权重进 行加权处理， 确定所述原始扫描图像 对应的搜索标签信息 。 6.根据权利要求1所述的方法， 其特征在于， 响应待搜索图像的搜索请求， 基于所述待 搜索图像对应的搜索图像特征， 确定所述搜索图像特征与所述搜索标签信息的匹配度， 根 据所述匹配度的排序结果输出搜索结果的方法包括： 确定所述搜索图像特征对应的特征类别， 判断所述特征类别与 所述搜索标签信 息对应 的目标特征对应的目标类别是否相同， 若相同， 则分别判断所述特 征类别与所述目标类别中对应特 征的向量距离， 若所有类别对应特征的向量距离均满足预设条件， 则根据 所述向量距离以及与所述向 量距离对应的匹配预测值， 确定各个 类别对应的初始匹配度； 对各个类别对应的初始匹配度进行加权求和确定搜索匹配度， 并根据搜索匹配度的大 小确定搜索优先级， 根据搜索优先级输出搜索结果。 7.根据权利要求6所述的方法， 其特征在于， 根据 所述向量距离以及与 所述向量距离对 应的匹配预测值， 确定各个 类别对应的初始匹配度的方法包括： 根据所述搜索图像特征对应的第一特征向量与所述搜索标签信息对应的第二特征向 量的向量距离， 确定所述搜索图像特 征与所述搜索标签信息的第一匹配度； 基于所述第 一匹配度以及与 所述向量距离对应的匹配预测值进行加和计算， 确定各个 类别对应的初始匹配度。 8.根据权利要求7所述的方法， 其特征在于， 确定各个类别对应的初始匹配度的方法如 下公式所示： 其中， Mat表示初始匹配度， N、 M、 L分别表示文本特征、 图章特征以及防伪特征中像素点 的数量， Wi、 Pj、 Fk分别表示文本特征、 图章特征以及防伪特征对应的特征向量， S表 示搜索图 像特征对应的第一特征向量， α1、 α2、 α3分别表示文本特征、 图章特征以及防伪特征对应的匹 配预测值。权　利　要　求　书 2/3 页 3 CN 115240218 A 3