[发明专利]图像矫正处理方法、装置、存储介质及计算机设备

权利要求书

1.一种图像矫正处理方法，其特征在于，包括：

获取待矫正图像，根据预设的角度类型对所述图像进行分类，并按照分类后的角度类型对所述图像进行转正处理；

根据所述转正后的图像，检测关键对象信息；

利用所述关键对象信息，进行图像矫正处理。

2.根据权利要求1的方法，其特征在于，所述根据预设的角度类型对所述图像进行分类，包括：

根据预设的角度类型，以DenseNet分类网络为图像角度分类器，搭建并训练DenseNet分类模型；

所述按照分类后的角度类型对所述图像进行转正处理，包括：

根据预设的函数对所述图像进行转正处理；

对所述转正处理后的图像进行归一化和标准化处理；

所述归一化处理根据以下函数计算：

其中：x_i，y分别表示归一化处理前后的像素坐标值，min(x)，max(x)分别表示所述图像像素的最小值和最大值；

所述标准化处理根据以下函数计算：

其中：std表示标准差，μ表示图像的均值，x表示图像矩阵，σ表示标准方差，N表示图像像素数量。

3.根据权利要求2的方法，其特征在于，所述根据预设的函数对所述图像进行转正处理，包括：

根据OpenCV函数对所述图像进行转正处理。

4.根据权利要求1的方法，其特征在于，所述根据所述转正后的图像，检测关键对象信息，包括：

根据预设的缩放标准，对所述图像进行缩放处理；

生成所述缩放图像的真实标签图；

所述生成真实标签图的过程根据以下函数：

其中：A表示关键对象是否被遮挡，若没有被遮挡表示1，反之为-1，σ_x、σ取值1.5，x和y表示图像G(x，y)中对应点的像素坐标值，x_l和y_l表示缩放图像中对应点的像素坐标值；

根据所述真实标签图，以及优化损失算法，检测关键对象信息；

所述优化计算损失函数为：

其中：x和y表示对应点的像素坐标值，表示标签，表示实际预测结果。

5.根据权利要求4的方法，其特征在于，所述根据预设的缩放标准，对所述图像进行缩放处理，包括：

利用卷积神经网络对所述图像进行缩放处理，得到缩放后的特征映射图。

6.根据权利要求1的方法，其特征在于，所述利用所述关键对象信息，进行图像矫正处理，包括：

根据所述关键对象信息以及预设的图像矫正处理函数，对所述图像进行透视变换处理，得到矫正后的图像；

所述进行透视变换处理中旋转角度坐标的计算过程包括：O点为圆心,点P绕点O旋转redian弧度之后,点P的坐标变换为点Q的计算公式为:

Q.x＝P.x*cos(redian)-P.y*sin(redian)；

Q.y＝P.x*sin(redian)+P.y*cos(redian)；

其中：P.x、Q.x和Q.y分别表示P点和Q点的像素坐标值，redian表示为弧度；

弧度与角度的变换公式为:

redian＝pi*180/angle；

其中：redian表示为弧度，pi表示π常量，angle表示所述弧度对应的角度值；

若O点不是圆心,点P绕点O旋转redian弧度之后,点P的坐标变换为Q的计算公式为如下所示:

Q.x＝(P.x-O.x)*cos(redian)-(P.y-O.y)*sin(redian)+O.x；

Q.y＝(P.x-O.x)*sin(redian)+(P.y-O.y)*cos(redian)+O.y；

其中：P.x、P.x、Q.x、Q.y、O.x和O.y分别表示P点、Q点和O点的像素坐标值，redian表示为弧度。