[发明专利]图像衰减校正方法、装置、计算机设备和存储介质

权利要求书

1.一种图像衰减校正方法，其特征在于，所述方法包括：

获取多帧第一建模图像以及第一建模校正图像；

根据多帧所述第一建模图像以及第一建模校正图像，得到每一帧第一建模图像与第一建模校正图像的变形场；

获取多帧第二建模图像以及第二建模校正图像：

根据多帧所述第二建模图像以及第二建模校正图像，得到建模训练矩阵：根据多帧所述第二建模图像以及所述每一帧第一建模图像与第一建模校正图像的变形场，得到校对矩阵；

根据所述建模训练矩阵以及所述校对矩阵训练深度学习模型；

获取多帧原始图像以及原始校正图像；

根据多帧所述原始图像以及原始校正图像建立原始训练矩阵；

将所述原始训练矩阵输入所述深度学习模型，得到每一帧原始图像与原始校正图像的变形场；

根据所述每一帧原始图像与原始校正图像的变形场以及原始校正图像对相应原始图像进行衰减校正。

2.根据权利要求1所述的方法，其特征在于，所述根据多帧所述第一建模图像以及第一建模校正图像，得到每一帧第一建模图像与第一建模校正图像的变形场包括：

根据多帧所述第一建模图像以及第一建模校正图像，得到第一参考图像以及第一非参考图像：

根据所述第一参考图像以及第一非参考图像，得到每一帧第一非参考图像与第一参考图像的变形场；

根据所述每一帧第一非参考图像与第一参考图像的变形场以及第一建模校正图像，得到每一帧第一非参考图像与第一建模校正图像的变形场。

3.根据权利要求2所述的方法，其特征在于，所述根据多帧所述第一建模图像以及第一建模校正图像，得到第一参考图像以及第一非参考图像包括：

在多帧所述第一建模图像中查找与第一建模校正图像对应的第一建模图像作为第一参考帧图像，将其余第一建模图像作为第一非参考图像。

4.根据权利要求2所述的方法，其特征在于，所述根据多帧所述第二建模图像以及第二建模校正图像，建立建模训练矩阵包括：

在多帧所述第二建模图像中查找与第二建模校正图像对应的第二建模图像作为第二参考帧图像，将其余第二建模图像作为第二非参考图像；

根据所述第二非参考图像以及第二校正图像，建立建模训练矩阵。

5.根据权利要求4所述的方法，其特征在于，所述根据多帧所述第二建模图像以及每一帧第一建模图像与第一建模校正图像的变形场，得到校对矩阵包括：

根据所述第二非参考图像以及每一帧第一非参考图像与第一建模校正图像的变形场，建立校对矩阵。

6.根据权利要求1所述的方法，其特征在于，所述根据所述每一帧原始图像与原始校正图像的变形场以及原始校正图像对相应原始图像进行衰减校正包括：

根据所述每一帧原始图像与原始校正图像的变形场以及原始校正图像，得到与每一帧原始图像相应的重建校正图像：

根据所述与每一帧原始图像相应的重建校正图像对每一帧原始图像进行衰减校正。

7.一种图像处理装置，其特征在于，所述装置包括:

图像获取模块，用于获取多帧第一建模图像以及第一建模校正图像；根据多帧所述第一建模图像以及第一建模校正图像，得到每一帧第一建模图像与第一建模校正图像的变形场；获取多帧第二建模图像以及第二建模校正图像：根据多帧所述第二建模图像以及第二建模校正图像，得到建模训练矩阵：根据多帧所述第二建模图像以及所述每一帧第一建模图像与第一建模校正图像的变形场，得到校对矩阵；根据所述建模训练矩阵以及所述校对矩阵训练深度学习模型；获取多帧原始图像以及原始校正图像；

原始训练矩阵建立模块，用于根据多帧所述原始图像以及原始校正图像建立原始训练矩阵：

变形场生成模块，用于将所述原始训练矩阵输入所述深度学习模型，得到每一帧原始图像与原始校正图像的变形场；

校正模块：用于根据所述每一帧原始图像与原始校正图像的变形场以及原始校正图像对相应原始图像进行衰减校正。