基于汽车文档图像增强的分类方法、系统、设备及介质与流程

本发明涉及数据文档分类，更具体地说，它涉及一种基于汽车文档图像增强的分类方法、系统、设备及介质。

背景技术：

1、专利文件的常用分类方式为ipc（international patent classification）分类，但对于特定领域，如汽车领域，技术人员根据ipc分类号可能不能直接知道专利文件主要涉及哪些技术（如“发动机技术”、“车身电子”、“新能源汽车”），因此，在汽车领域根据专利文件进一步分类，使之能更加方便体现专利文件主要涉及的汽车技术，可以提高技术人员利用专利文件的便利性。

2、当前，针对包含电路图、结构示意图、公式数据图以及流程图的汽车数据文档中的图像，一般采用的自动化分类与检索方法主要依赖于传统ocr技术与通用单一机器学习图像数据分类模型。这些方法在面对汽车数据文档中模糊度不清的密集线条、复杂图示、嵌套标注及混合文本时，处理效果不佳。

3、汽车数据文档中的图像数据清晰度较差，且难以将关键信息运用到相关模型中，一般都是对文档中图像数据的直接采用。单一模型难以精准理解技术图示的拓扑结构的信息并解析图中的分类信息，导致分类粒度粗糙，影响专利检索与分析的效率。

技术实现思路

1、本发明要解决的技术问题是针对现有技术的上述不足，本发明的目的一是提供一种基于汽车文档图像增强的分类方法，通过图像增强技术获取汽车数据文档中的关键图像特征，并构建多重神经网络模型对汽车数据文档中的图像数据进行分类，具备比单一分类器更强分类能力，实现精准分类汽车领域数据文档。

2、本发明的目的二是提供一种基于汽车文档图像增强的分类系统。

3、本发明的目的三是提供一种计算机设备。

4、本发明的目的四是提供一种计算机存储介质。

5、为了实现上述目的一，本发明提供一种基于汽车文档图像增强的分类方法，包括：

6、获取汽车数据文档，根据预设的汽车数据文档领域分类方式对所述汽车数据文档进行分类；

7、获取所述汽车数据文档的图像数据、主分类字段特征以及对应的汽车数据文档领域分类结果；

8、对所述图像数据利用图像分割增强技术获取关键图像特征，根据所述关键图像特征、主分类字段特征组成图像字段融合特征；

9、采用多重改进激活函数神经网络模型构建多重神经网络汽车数据文档图像分类模型；

10、将所述图像字段融合特征输入所述多重神经网络汽车数据文档图像分类模型进行训练；

11、获取待分类汽车数据文档的图像字段融合特征，并输入训练好的多重神经网络汽车数据文档图像分类模型，得到所述待分类汽车数据文档的汽车数据文档领域分类结果。

12、作为进一步地改进，所述主分类字段特征是指利用文档已有的主分类号设定的特征值进行表示，其中，部对应的特征值为a，大类对应的特征值为b，小类对应的特征值为c，大组对应的特征值为d，小组对应的特征值为e；

13、所述图像字段融合特征表示为：

14、

15、其中，～分别为所述关键图像特征中的某一个像素点灰度值。

16、进一步地，对所述图像数据利用图像分割增强技术获取关键图像特征包括：

17、利用局部方差均值选取非数字图像数据；

18、在所述非数字图像数据中选取图像灰度值总和最高的优选非数字图像数据；

19、对所述优选非数字图像数据进行关键图像特征和非关键图像特征分离。

20、进一步地，所述局部方差均值的计算如下：

21、

22、式中，为中心像素点（x,y）处的局部方差，n为窗口内的像素总数，为窗口内第i个像素的灰度值，为窗口内所有像素的灰度均值。

23、进一步地，所述关键图像特征与非关键图像特征之间的阈值方差r定义：

24、

25、式中，为属于关键图像占优选非数字图像数据整体的比例，为属于非关键图像占优选非数字图像数据整体的比例，g为所述优选非数字图像数据的总平均灰度，为所述关键图像的平均灰度，为所述非关键图像的平均灰度。

26、进一步地，所述多重改进激活函数神经网络模型中的第j个改进激活函数神经网络模型的激活函数计算公式为：

27、

28、式中，为第j个改进激活函数神经网络模型的激活函数值，为所述图像字段融合特征通过权重和偏置进行线性变换的特征值，为训练所述第j个改进激活函数神经网络模型的训练数据集数，为训练数据集总量。

29、进一步地，所述训练好的多重神经网络汽车数据文档图像分类模型包括多个并列的子神经网络模型，将所述待分类汽车数据文档的图像字段融合特征分别输入各所述子神经网络模型得到多个输出值，对所述多个输出值进行投票；

30、若得到票数最高的输出值只有一个，则以票数最高的输出值对应的汽车数据文档技术领域作为主领域进行分类划分，根据各输出值的平均加权值对应的汽车数据文档技术领域作为下位领域进行分类细分；

31、若得到票数最高的输出值不只一个，则根据各票数最高的输出值取得对应的汽车数据文档技术领域作为候选领域，然后对各候选领域进行投票；如果得到票数最高的候选领域只有一个，则取得票最高的候选领域为主领域进行分类划分，并以各候选领域作为下位领域进行分类细分；否则，根据各票数最高的输出值的平均加权值对应的汽车数据文档技术领域作为主领域进行分类划分，并以各候选领域作为下位领域进行分类细分；

32、若所述多个输出值的票数均为1，则根据各输出值的平均加权值对应的汽车数据文档技术领域作为主领域进行分类划分。

33、为了实现上述目的二，本发明提供一种基于汽车文档图像增强的分类系统，包括：

34、第一获取模块，用于获取汽车数据文档，根据预设的汽车数据文档领域分类方式对所述汽车数据文档进行分类；

35、第二获取模块，用于获取所述汽车数据文档的图像数据、主分类字段特征以及对应的汽车数据文档领域分类结果；

36、分割模块，用于对所述图像数据利用图像分割增强技术获取关键图像特征，根据所述关键图像特征、主分类字段特征组成图像字段融合特征；

37、模型构建模块，用于采用多重改进激活函数神经网络模型构建多重神经网络汽车数据文档图像分类模型；

38、训练模块，用于将所述图像字段融合特征输入所述多重神经网络汽车数据文档图像分类模型进行训练；

39、分类模块，用于获取待分类汽车数据文档的图像字段融合特征，并输入训练好的多重神经网络汽车数据文档图像分类模型，得到所述待分类汽车数据文档的汽车数据文档领域分类结果。

40、为了实现上述目的三，本发明提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的一种基于汽车文档图像增强的分类方法。

41、为了实现上述目的四，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的一种基于汽车文档图像增强的分类方法。

42、有益效果

43、本发明与现有技术相比，具有的优点为：

44、本发明通过图像增强技术获取汽车数据文档中的关键图像特征，并构建多重神经网络模型对汽车数据文档中的图像数据进行分类，具备比单一分类器更强分类能力，实现精准分类汽车领域数据文档。