现阶段,手机扫描正慢慢的变多地进入到人们的生活中。随着扫描应用场景的不断拓宽,诸多细节的问题逐渐显露,比如使用者在拍照扫描文档时,手指不小心“入镜”了,只能重拍;拍电脑屏幕时,画面上有一些彩色条纹,既不美观也影响内容识别;拍完照片后发现文档很杂乱,扫描时需要手动叠加好几种图片处理方案,才可以获得理想的效果这些“糟心事”,如今被一个滤镜轻松解决了。

　　近期,合合信息旗下扫描全能王“智能高清滤镜”正式上线。该功能基于AI技术及智能扫描引擎,可自动检验测试图像中存在的问题并判定图像的优化方式,实现模糊、阴影、手指、屏幕纹等干扰因素一键全处理。使用者无需思考拍摄角度、光源、背景,只要点击单拍、多拍、扫描等任意拍摄按钮,便可得到一张如原稿打印般清晰、平整的图片。

　　与传统的手机扫描流程相比,扫描全能王“智能高清滤镜”的亮点之一,便是让AI代替人去“思考”图片中要解决的问题,并为用户自动选择出最优处理方案,通过算法上的智能研判,达成多个问题一键解决的效果。

　　据合合信息扫描全能王事业部负责人曹超阳介绍,“智能高清滤镜”的智能研判主要基于精准的图像感知,来达成场景化的决策效果。在图像感知阶段,AI通过深度学习模型进行图像特征获取,感知到图像中的光照、阴影、颜色和倾斜角度等特征并对应进行图像处理,例如去除手指产生的遮挡、感知到图像是过暗还是过亮,然后针对性地调整图像的亮度和对比度等。

　　500)this.width=500 align=center hspace=10 vspace=10 alt=image.png>

　　500)this.width=500 align=center hspace=10 vspace=10 alt=image.png

　　场景化决策即根据图像感知的结果,判定图像属于何种场景,并进行个性化的处理。例如,试卷、发票的图像特点不完全一样,“智能高清滤镜”能够迅速判定文档种类并做处理方法决策,在办公文档电子化、教育资料处理、商务资料留存等涉及文档处理的场景中具有广阔的应用前景。

　　“智能高清滤镜”多项“黑科技”功能的实现,离不开智能扫描引擎AI-Scan(简称“AI-Scan引擎”)的支持。AI-Scan引擎基于合合信息智能文字识别、智能图像处理技术,对图像处理、文字识别及版面还原做全面优化,综合提升扫描效果。

　　图像处理对于文档处理中所涉及的文字识别等后续流程最重要,目前还存在着许多典型的痛点,最常见的就是“图像视觉矫正”。真实的生活中,书本等文档并不总是平面的,AI在处理相关图片时有必要进行“矫正”。此外,由于拍摄角度和镜头畸变的问题,即使是平面的文档,拍摄后也也许会出现透视扭曲。扫描全能王采用了基于深度学习的曲面检测和矫正技术来做处理,能够应对各种复杂的曲面文档。

　　500)this.width=500 align=center hspace=10 vspace=10 alt=image.png>

　　500)this.width=500 align=center hspace=10 vspace=10 alt=image.png

　　500)this.width=500 align=center hspace=10 vspace=10 alt=image.png>

　　500)this.width=500 align=center hspace=10 vspace=10 alt=image.png

　　完成图像处理之后,如何从图片中正确提取所需信息,与文字识别能力息息相关。全球化进程的深化,让多语种识别成为一项高频需求,也为文字识别领域带来了巨大的挑战。多语种识别的困难点主要来自于不同语种之间的独特字符集、书写规则和语法结构间的差异,以及复杂的文本形态和排版方式的影响。

　　例如,阿拉伯语的书写方向是从右到左,而且同一字母在单词的不同位置有不一样的形态。对于这种语言,传统的文字识别方法往往难以应对;其他小语种如泰语和印地语,其书写系统相对复杂,有时一个字符有极大几率会出现在另一个字符的上方或下方,是文字识别一定要解决的问题。

　　为了克服这些挑战,扫描全能王在AI-Scan引擎的支持下,采用了一种结合深度学习和自然语言处理的全新方法,可以有明显效果地地处理不同语种的字符关联和顺序问题。在服务全球亿级别用户的过程中,扫描全能王对大量的多语种文本进行预训练,能够对全球41个语种的文档进行识别,满足了全球超过100个国家和地区用户的办公、生活需求。