本发明涉及人工智能技术领域，尤其涉及一种基于基于图像处理的信息比对方法、装置及计算机可读存储介质。
背景技术：
目前图像的信息获取多依赖人工完成或少部分使用机器读取，所述机器读取多依然需要人工配合，如考生将选择题答案撰写在特定的答题卷内，然后机器采用匹配算法匹配答题卷内的答案，由于这些匹配技术并没有涉及到图像处理，所以智能化程度不高，且在识别的过程中容易出现识别出错的情况，即识别的准确率不高。
技术实现要素：
本发明提供一种基于图像处理的信息比对方法、装置及计算机可读存储介质，其主要目的在于解决图像信息获取智能化程度不高，且在识别的过程中容易出现识别出错的问题。
为实现上述目的，本发明提供的一种基于图像处理的信息比对方法，包括：
接收待比对图像集，将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集；
将所述图像方块集进行图像分类，并根据光学字符识别技术，将所述图像分类后的图像方块集进行类型识别得到多类型图像集；
从所述数据库中提取与所述待比对图像集对应的标准信息图像集，对比所述多类型图像集和所述标准信息图像集，得到所述待比对图像集的信息对比结果。
可选地，所述将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集包括：
构建平面坐标系，将所述待比对图像集内的图像按照所述平面坐标系进行投影，并根据所述平面坐标系的刻度分割所述待比对图像集内的图像，得到多个矩阵块；
依次计算所述多个矩阵块的重心坐标；
根据预先构建的直线方程和所述重心坐标调整所述多个作业矩阵块的倾斜角度，完成所述倾斜矫正操作；
将完成所述倾斜矫正操作的所述待比对图像集映射在所述平面坐标系内；
按照预先设定的方块数，对所述待比对图像集进行水平方向、垂直方向的方块划分得到多个图像方块；
根据光学检测技术判断所述图像方块内是否有文字，保留具有文字的图像方块，得到所述图像方块集。
可选地，所述直线方程为：
y＝a bx
y＝c dx
其中，b＝tgδ，
可选地，所述将所述图像方块集进行图像分类，包括：
将所述图像方块集的数据进行字符切割得到多字符图像集；
提取所述多字符图像集内的字符特征；
将所述字符特征与预构建的特征模板库进行模板匹配完成所述图像分类。
可选地，所述从所述数据库中提取与所述待比对图像集对应的标准信息图像集，对比所述多类型图像集和所述标准信息图像集，包括：
预构建的投影坐标系，对所述多类型图像集进行按行分割得到多行图像集；
采用所述光学字符识别技术识别每个多行图像集内开头的第一个字符；
所述第一个字符若为数字字符则保留，所述第一个字符若不是数字字符则剔除，直至识别完成，汇总所有数字字符得到题号集；
根据所述题号集从所述数据库的答案存储区域中提取与所述题号集相同的标准信息图像集；
根据所述光学字符识别技术比对所述标准信息图像集和所述多类型图像。
此外，为实现上述目的，本发明还提供一种基于图像处理的信息比对装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的基于图像处理的信息比对程序，所述基于图像处理的信息比对程序被所述处理器执行时实现如下步骤：
接收待比对图像集，将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集；
将所述图像方块集进行图像分类，并根据光学字符识别技术，将所述图像分类后的图像方块集进行类型识别得到多类型图像集；
从所述数据库中提取与所述待比对图像集对应的标准信息图像集，对比所述多类型图像集和所述标准信息图像集，得到所述待比对图像集的信息对比结果。
可选地，所述将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集包括：
构建平面坐标系，将所述待比对图像集内的图像按照所述平面坐标系进行投影，并根据所述平面坐标系的刻度分割所述待比对图像集内的图像，得到多个矩阵块；
依次计算所述多个矩阵块的重心坐标；
根据预先构建的直线方程和所述重心坐标调整所述多个作业矩阵块的倾斜角度，完成所述倾斜矫正操作；
将完成所述倾斜矫正操作的所述待比对图像集映射在所述平面坐标系内；
按照预先设定的方块数，对所述待比对图像集进行水平方向、垂直方向的方块划分得到多个图像方块；
根据光学检测技术判断所述图像方块内是否有文字，保留具有文字的图像方块，得到所述图像方块集。
可选地，所述直线方程为：
y＝a bx
y＝c dx
其中，b＝tgδ，
可选地，所述将所述图像方块集进行图像分类，包括：
将所述图像方块集的数据进行字符切割得到多字符图像集；
提取所述多字符图像集内的字符特征；
将所述字符特征与预构建的特征模板库进行模板匹配完成所述图像分类。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于图像处理的信息比对程序，所述基于图像处理的信息比对程序可被一个或者多个处理器执行，以实现如上所述的基于图像处理的信息比对方法的步骤。
本发明通过倾斜矫正操作及图像方块切割操作，将图像集划分为多个小方块，减轻后续计算压力的前提下，也提高了后续模板匹配及光学字符识别的识别准确率，同时先通过模板匹配及光学字符识别，再通过对比操作进一步地提高图像信息获取的智能化程度。因此本发明提出的基于图像处理的信息比对方法、装置及计算机可读存储介质，可以实现图像信息获取的目的。
附图说明
图1为本发明一实施例提供的基于图像处理的信息比对方法的流程示意图；
图2为本发明一实施例提供的基于图像处理的信息比对装置的内部结构示意图；
图3为本发明一实施例提供的基于图像处理的信息比对装置中基于图像处理的信息比对程序的模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种基于图像处理的信息比对方法。参照图1所示，为本发明一实施例提供的基于图像处理的信息比对方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，基于图像处理的信息比对方法包括：
s1、接收待比对图像集，将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集。
当前关于图像信息获取应用比较多的领域是智能作业批改，因此所述批改请求包括作业的编号和日期，如用户输入批改2019年9月20号，第三批作业的批改请求。
进一步地，所述作业的编号和日期与所述预构建的数据库中所存储的作业是一一对应的关系，如某高中高三模拟考试，将高三(1)班级到高三(9)班级按照班级编号共分为1-9个作业编号，若用户想批改高三(6)班的作业，则只需要输入高三(6)班的作业编号和作业日期即可。
优选地，所述待比对图像集是图像扫描版的形式，如高三(6)班的全班模拟考试文本试卷，都统一收集并放置在所述预构建的数据库中。
因为所述待比对图像集一般是通过图像扫描得到的，而图像扫描有可能会使得到的图像产生一定的倾斜，故先对所述待比对图像集进行倾斜矫正操作及图像方块切割操作。
详细地，所述所述将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集，包括：构建平面坐标系，将所述待比对图像集内的图像按照所述平面坐标系进行投影，并根据所述平面坐标系的刻度分割所述待比对图像集内的图像，得到多个矩阵块，依次计算所述多个矩阵块的重心坐标，根据预先构建的直线方程和所述重心坐标调整所述多个作业矩阵块的倾斜角度，完成所述倾斜矫正操作。
进一步地，所述直线方程为：
y＝a bx
y＝c dx
其中，b＝tgδ，
因为整块的图像由于图像太大，对于后续模型的识别和计算压力都有较大影响，因此需要对所述待比对图像集进行图像方块切割操作。所述图像方块切割操作包括：将完成所述倾斜矫正操作的所述待比对图像集映射在所述平面坐标系内，按照预先设定的方块数，对所述待比对图像集进行水平方向、垂直方向的方块划分得到多个图像方块，根据光学检测技术判断所述图像方块内是否有文字，保留具有文字的图像方块，得到所述图像方块集。
所述光学检测技术可采用基于光学字符识别原理或折射率改变原理，判断每个方块内是否有文字，若有的方块没有文字，则为空白区域的方块，对于后续智能作业批改作用不大，可直接去除。所述折射率改变原理即在每个图片方块内发射相同入射角的光线，判断折射角的偏差是否大于阈值，从而判断方块内是否有文字。
具体地，所述图像方块集的表示方法为：
ddl(i，n，b1((x1，y1)，(l1，w1)，attri)，b2((x2，y2)，(l2，w2)，attri，…，bn((xn，yn)，(ln，wn)，attri))
其中，i为所述图像方块集内每个方块的序号，n为所述图像方块集的总数，xi为所述图像方块集内每个方块在水平方向的位置信息；yi为所述图像方块集内每个方块在垂直方向的位置信息，li为方块的长度；wi为方块的宽度；attri表示方块的属性，当attri为0时，表示该方块内具有文字，attri为1时，表示该方块内没有文字。
s2、将所述图像方块集进行图像分类，并根据光学字符识别技术，将所述图像分类后的图像方块集进行类型识别得到多类型图像集。
优选地，可基于光学字符识别技术(ocr技术)的学科识别模型对所述图像方块集进行学科分类。如所述图像方块集中包含了不同的学科(如语文、数学、英语等)，利用所述学科识别模型进行学科分类，可将所述图像方块集拆分为到语文学科作业集、数学学科作业集、英语学科作业集等各个学科作业集。
详细地，所述s2包括：将所述图像方块集的数据进行字符切割得到多字符图像集，提取所述多字符图像集内的字符特征，将所述字符特征与预构建的特征模板库进行模板匹配得到学科作业集。
进一步地，所述字符切割是将所述图像方块集内的文字图像以行为单位进行分割，得到多组以行为单位的多字符图像集。所述字符特征的提取方法以及所述字符切割都可基于所述光学字符识别技术(ocr技术)完成。所述模板匹配可基于k近邻算法进行匹配。
比如作业批改中，题型都可能包含选择题、填空题、判断题、计算题等，而不同的题型对应的答案形式不尽相同，如选择题是以a、b、c、d撰写答案，判断题是以对、错形式判断等，因此进行类型识别是极其有必要的。
较佳地，同样可基于光学字符识别技术(ocr技术)的类型识别模型对所述图像方块集进行类型识别。整个题目类型的识别过程与上述s3相同，最终得到基于不同学科的题型作业图像集，如语文学科作业集下有选择题作业图像集、阅读理解作业图像集等，数学学科作业集下有选择题作业图像集、计算题作业图像集、英语学科作业集下有选择题作业图像集、判断题作业图像集等。
s3、从所述数据库中提取与所述待比对图像集对应的标准信息图像集，对比所述多类型图像集和所述标准信息图像集，得到所述待比对图像集的信息对比结果。
详细地，所述从所述数据库的答案存储区域中提取与所述多类型图像集对应的标准信息图像集，包括：根据图像识别技术识别所述多类型图像集的题号得到题号集，根据所述题号集从预构建的数据库中提取与所述题号集相同的标准信息图像集。
详细地，所述根据图像识别技术识别所述多类型图像集的题号得到题号集，包括：预构建的投影坐标系，对所述多类型图像集进行按行分割得到多行图像集，采用所述光学字符识别技术识别每个多行图像集内开头的第一个字符，所述第一个字符若为数字字符则保留，所述第一个字符若不是数字字符则剔除，直至识别完成，汇总所有数字字符得到题号集。
本发明较佳实施例，如将语文学科作业集下有选择题作业图像集第4题与所述第4题对应题号的标准信息图像集进行字符匹配，若所述选择题作业图像集第4题选择为c，所述标准信息图像集第4题也为c，则匹配成功，若所述选择题作业图像集第4题选择为b，所述标准信息图像集第4题为c，则匹配未成功。
以上所述的发明方法，较佳地可基于gpu，所述gpu为图像处理器，是一种专门在个人电脑、工作站和一些移动设备上进行图像运算工作的微处理器。所述gpu的种类有很多，如：泰坦，rtx等。通过gpu可加快所述学生作业批改的速度。
本发明还提供一种基于图像处理的信息比对装置。参照图2所示，为本发明一实施例提供的基于图像处理的信息比对装置的内部结构示意图。
在本实施例中，所述基于图像处理的信息比对装置1可以是pc(personalcomputer，个人电脑)，或者是智能手机、平板电脑、便携计算机等终端设备，也可以是一种服务器等。该基于图像处理的信息比对装置1至少包括存储器11、处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是基于图像处理的信息比对装置1的内部存储单元，例如该基于图像处理的信息比对装置1的硬盘。存储器11在另一些实施例中也可以是基于图像处理的信息比对装置1的外部存储设备，例如基于图像处理的信息比对装置1上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。进一步地，存储器11还可以既包括基于图像处理的信息比对装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于基于图像处理的信息比对装置1的应用软件及各类数据，例如基于图像处理的信息比对程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(centralprocessingunit，cpu)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行基于图像处理的信息比对程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如wi-fi接口)，通常用于在该装置1与其他电子设备之间建立通信连接。
可选地，该装置1还可以包括用户接口，用户接口可以包括显示器(display)、输入单元比如键盘(keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organiclight-emittingdiode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在基于图像处理的信息比对装置1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-14以及基于图像处理的信息比对程序01的基于图像处理的信息比对装置1，本领域技术人员可以理解的是，图1示出的结构并不构成对基于图像处理的信息比对装置1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
在图2所示的装置1实施例中，存储器11中存储有基于图像处理的信息比对程序01；处理器12执行存储器11中存储的基于图像处理的信息比对程序01时实现如下步骤：
步骤一、接收待比对图像集，将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集。
当前关于图像信息获取应用比较多的领域是智能作业批改，因此所述批改请求包括作业的编号和日期，如用户输入批改2019年9月20号，第三批作业的批改请求。
进一步地，所述作业的编号和日期与所述预构建的数据库中所存储的作业是一一对应的关系，如某高中高三模拟考试，将高三(1)班级到高三(9)班级按照班级编号共分为1-9个作业编号，若用户想批改高三(6)班的作业，则只需要输入高三(6)班的作业编号和作业日期即可。
优选地，所述待比对图像集是图像扫描版的形式，如高三(6)班的全班模拟考试文本试卷，都统一收集并放置在所述预构建的数据库中。
因为所述待比对图像集一般是通过图像扫描得到的，而图像扫描有可能会使得到的图像产生一定的倾斜，故先对所述待比对图像集进行倾斜矫正操作及图像方块切割操作。
详细地，所述所述将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集，包括：构建平面坐标系，将所述待比对图像集内的图像按照所述平面坐标系进行投影，并根据所述平面坐标系的刻度分割所述待比对图像集内的图像，得到多个矩阵块，依次计算所述多个矩阵块的重心坐标，根据预先构建的直线方程和所述重心坐标调整所述多个作业矩阵块的倾斜角度，完成所述倾斜矫正操作。
进一步地，所述直线方程为：
y＝a bx
y＝c dx
其中，b＝tgδ，
因为整块的图像由于图像太大，对于后续模型的识别和计算压力都有较大影响，因此需要对所述待比对图像集进行图像方块切割操作。所述图像方块切割操作包括：将完成所述倾斜矫正操作的所述待比对图像集映射在所述平面坐标系内，按照预先设定的方块数，对所述待比对图像集进行水平方向、垂直方向的方块划分得到多个图像方块，根据光学检测技术判断所述图像方块内是否有文字，保留具有文字的图像方块，得到所述图像方块集。
所述光学检测技术可采用基于光学字符识别原理或折射率改变原理，判断每个方块内是否有文字，若有的方块没有文字，则为空白区域的方块，对于后续智能作业批改作用不大，可直接去除。所述折射率改变原理即在每个图片方块内发射相同入射角的光线，判断折射角的偏差是否大于阈值，从而判断方块内是否有文字。
具体地，所述图像方块集的表示方法为：
ddl(i，n，b1((x1，y1)，(l1，w1)，attri)，b2((x2，y2)，(l2，w2)，attri，…，bn((xn，yn)，(ln，wn)，attri))
其中，i为所述图像方块集内每个方块的序号，n为所述图像方块集的总数，xi为所述图像方块集内每个方块在水平方向的位置信息；yi为所述图像方块集内每个方块在垂直方向的位置信息，li为方块的长度；wi为方块的宽度；attri表示方块的属性，当attri为0时，表示该方块内具有文字，attri为1时，表示该方块内没有文字。
步骤二、将所述图像方块集进行图像分类，并根据光学字符识别技术，将所述图像分类后的图像方块集进行类型识别得到多类型图像集。
优选地，可基于光学字符识别技术(ocr技术)的学科识别模型对所述图像方块集进行学科分类。如所述图像方块集中包含了不同的学科(如语文、数学、英语等)，利用所述学科识别模型进行学科分类，可将所述图像方块集拆分为到语文学科作业集、数学学科作业集、英语学科作业集等各个学科作业集。
详细地，所述步骤二包括：将所述图像方块集的数据进行字符切割得到多字符图像集，提取所述多字符图像集内的字符特征，将所述字符特征与预构建的特征模板库进行模板匹配得到学科作业集。
进一步地，所述字符切割是将所述图像方块集内的文字图像以行为单位进行分割，得到多组以行为单位的多字符图像集。所述字符特征的提取方法以及所述字符切割都可基于所述光学字符识别技术(ocr技术)完成。所述模板匹配可基于k近邻算法进行匹配。
比如作业批改中，题型都可能包含选择题、填空题、判断题、计算题等，而不同的题型对应的答案形式不尽相同，如选择题是以a、b、c、d撰写答案，判断题是以对、错形式判断等，因此进行类型识别是极其有必要的。
较佳地，同样可基于光学字符识别技术(ocr技术)的类型识别模型对所述图像方块集进行类型识别。整个题目类型的识别过程与上述s3相同，最终得到基于不同学科的题型作业图像集，如语文学科作业集下有选择题作业图像集、阅读理解作业图像集等，数学学科作业集下有选择题作业图像集、计算题作业图像集、英语学科作业集下有选择题作业图像集、判断题作业图像集等。
步骤三、从所述数据库中提取与所述待比对图像集对应的标准信息图像集，对比所述多类型图像集和所述标准信息图像集，得到所述待比对图像集的信息对比结果。
详细地，所述从所述数据库的答案存储区域中提取与所述多类型图像集对应的标准信息图像集，包括：根据图像识别技术识别所述多类型图像集的题号得到题号集，根据所述题号集从预构建的数据库中提取与所述题号集相同的标准信息图像集。
详细地，所述根据图像识别技术识别所述多类型图像集的题号得到题号集，包括：预构建的投影坐标系，对所述多类型图像集进行按行分割得到多行图像集，采用所述光学字符识别技术识别每个多行图像集内开头的第一个字符，所述第一个字符若为数字字符则保留，所述第一个字符若不是数字字符则剔除，直至识别完成，汇总所有数字字符得到题号集。
本发明较佳实施例，如将语文学科作业集下有选择题作业图像集第4题与所述第4题对应题号的标准信息图像集进行字符匹配，若所述选择题作业图像集第4题选择为c，所述标准信息图像集第4题也为c，则匹配成功，若所述选择题作业图像集第4题选择为b，所述标准信息图像集第4题为c，则匹配未成功。
以上所述的发明方法，较佳地可基于gpu，所述gpu为图像处理器，是一种专门在个人电脑、工作站和一些移动设备上进行图像运算工作的微处理器。所述gpu的种类有很多，如：泰坦，rtx等。通过gpu可加快所述学生作业批改的速度。
可选地，在其他实施例中，基于图像处理的信息比对程序还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，用于描述基于图像处理的信息比对程序在基于图像处理的信息比对装置中的执行过程。
例如，参照图3所示，为本发明基于图像处理的信息比对装置一实施例中的基于图像处理的信息比对程序的程序模块示意图，该实施例中，所述基于图像处理的信息比对程序可以被分割为数据接收及方块切割模块10、分类模块20、类型识别模块30、信息结果输出模块40示例性地：
所述数据接收及分类模块10用于：接收待比对图像集，将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集。
所述分类模块20用于：将所述图像方块集进行图像分类得到分类后的图像方块集。
所述类型识别模块30用于：根据光学字符识别技术，将所述图像分类后的图像方块集进行类型识别得到多类型图像集。
所述作业批改结果输出模块40用于：从所述数据库中提取与所述待比对图像集对应的标准信息图像集，对比所述多类型图像集和所述标准信息图像集，得到所述待比对图像集的信息对比结果。
上述数据接收及方块切割模块10、分类模块20、类型识别模块30、信息结果输出模块40等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于图像处理的信息比对程序，所述基于图像处理的信息比对程序可被一个或多个处理器执行，以实现如下操作：
接收待比对图像集，将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集。
将所述图像方块集进行图像分类得到分类后的图像方块集。
根据光学字符识别技术，将所述图像分类后的图像方块集进行类型识别得到多类型图像集。
从所述数据库中提取与所述待比对图像集对应的标准信息图像集，对比所述多类型图像集和所述标准信息图像集，得到所述待比对图像集的信息对比结果。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
1.一种基于图像处理的信息比对方法，其特征在于，所述方法包括：
接收待比对图像集，将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集；
将所述图像方块集进行图像分类，并根据光学字符识别技术，将所述图像分类后的图像方块集进行类型识别得到多类型图像集；
从所述数据库中提取与所述待比对图像集对应的标准信息图像集，对比所述多类型图像集和所述标准信息图像集，得到所述待比对图像集的信息对比结果。
2.如权利要求1所述的基于图像处理的信息比对方法，其特征在于，所述将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集包括：
构建平面坐标系，将所述待比对图像集内的图像按照所述平面坐标系进行投影，并根据所述平面坐标系的刻度分割所述待比对图像集内的图像，得到多个矩阵块；
依次计算所述多个矩阵块的重心坐标；
根据预先构建的直线方程和所述重心坐标调整所述多个作业矩阵块的倾斜角度，完成所述倾斜矫正操作；
将完成所述倾斜矫正操作的所述待比对图像集映射在所述平面坐标系内；
按照预先设定的方块数，对所述待比对图像集进行水平方向、垂直方向的方块划分得到多个图像方块；
根据光学检测技术判断所述图像方块内是否有文字，保留具有文字的图像方块，得到所述图像方块集。
3.如权利要求2所述的基于图像处理的信息比对方法，其特征在于，所述直线方程为：
y＝a bx
y＝c dx
其中，b＝tgδ，
4.如权利要求1所述的基于图像处理的信息比对方法，其特征在于，所述将所述图像方块集进行图像分类，包括：
将所述图像方块集的数据进行字符切割得到多字符图像集；
提取所述多字符图像集内的字符特征；
将所述字符特征与预构建的特征模板库进行模板匹配完成所述图像分类。
5.如权利要求1至4中任意一项所述的基于图像处理的信息比对方法，其特征在于，所述从所述数据库中提取与所述待比对图像集对应的标准信息图像集，对比所述多类型图像集和所述标准信息图像集，包括：
预构建的投影坐标系，对所述多类型图像集进行按行分割得到多行图像集；
采用所述光学字符识别技术识别每个多行图像集内开头的第一个字符；
所述第一个字符若为数字字符则保留，所述第一个字符若不是数字字符则剔除，直至识别完成，汇总所有数字字符得到题号集；
根据所述题号集从所述数据库的答案存储区域中提取与所述题号集相同的标准信息图像集；
根据所述光学字符识别技术比对所述标准信息图像集和所述多类型图像。
6.一种基于图像处理的信息比对装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的基于图像处理的信息比对程序，所述基于图像处理的信息比对程序被所述处理器执行时实现如下步骤：
接收待比对图像集，将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集；
将所述图像方块集进行图像分类，并根据光学字符识别技术，将所述图像分类后的图像方块集进行类型识别得到多类型图像集；
从所述数据库中提取与所述待比对图像集对应的标准信息图像集，对比所述多类型图像集和所述标准信息图像集，得到所述待比对图像集的信息对比结果。
7.如权利要求6所述的基于图像处理的信息比对装置，其特征在于，所述将所述待比对图像集进行倾斜矫正操作及图像方块切割操作，得到图像方块集包括：
构建平面坐标系，将所述待比对图像集内的图像按照所述平面坐标系进行投影，并根据所述平面坐标系的刻度分割所述待比对图像集内的图像，得到多个矩阵块；
依次计算所述多个矩阵块的重心坐标；
根据预先构建的直线方程和所述重心坐标调整所述多个作业矩阵块的倾斜角度，完成所述倾斜矫正操作；
将完成所述倾斜矫正操作的所述待比对图像集映射在所述平面坐标系内；
按照预先设定的方块数，对所述待比对图像集进行水平方向、垂直方向的方块划分得到多个图像方块；
根据光学检测技术判断所述图像方块内是否有文字，保留具有文字的图像方块，得到所述图像方块集。
8.如权利要求7所述的基于图像处理的信息比对装置，其特征在于，所述直线方程为：
y＝a bx
y＝c dx
其中，b＝tgδ，
9.如权利要求6中所述的基于图像处理的信息比对装置，其特征在于，所述将所述图像方块集进行图像分类，包括：
将所述图像方块集的数据进行字符切割得到多字符图像集；
提取所述多字符图像集内的字符特征；
将所述字符特征与预构建的特征模板库进行模板匹配完成所述图像分类。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于图像处理的信息比对程序，所述基于图像处理的信息比对程序可被一个或者多个处理器执行，以实现如权利要求1至5中任一项所述的基于图像处理的信息比对方法的步骤。
技术总结