[发明专利]基于深度学习的图像校正方法及系统

权利要求书

1.一种基于深度学习的图像校正方法，包括：

通过深度学习模型接收具有至少一字的图像，并根据该图像产生透视变换矩阵；

根据该透视变换矩阵对该图像执行透视变换，以获得包含该至少一字的正面视角的校正图像；

根据该图像产生包含该至少一字的正面视角的最佳校正图像；

获得对应该图像与该最佳校正图像的最佳透视变换矩阵；

计算该最佳透视变换矩阵与该透视变换矩阵之间的损失值；以及

使用该损失值更新该深度学习模型。

2.如权利要求1所述的图像校正方法，其中在根据该图像产生包含该至少一字的正面视角的该最佳校正图像的步骤中包括：

标记该图像，该标记具有涵盖该至少一字的标记范围。

3.如权利要求1所述的图像校正方法，其中还包括：

当标记范围无法涵盖该至少一字时，延伸该图像以获得延伸图像；以及

标记该延伸图像，使该标记范围涵盖该至少一字。

4.如权利要求1所述的图像校正方法，其中还包括：

通过图像提取单元提取该图像；以及

根据该图像提取单元的拍摄信息限缩该透视变换矩阵的多个透视变换参数。

5.如权利要求4所述的图像校正方法，其中该拍摄信息包括拍摄位置、拍摄方向及拍摄角度。

6.一种基于深度学习的图像校正系统，包括：

深度学习模型，接收具有至少一字的图像，并根据该图像产生透视变换矩阵；

处理单元，接收该图像及该透视变换矩阵，并根据该透视变换矩阵对该图像执行透视变换，以获得包含该至少一字的正面视角的校正图像；以及

模型调整单元，接收该图像、根据该图像产生包含该至少一字的正面视角的最佳校正图像、获得对应该图像与该最佳校正图像的最佳透视变换矩阵、计算该最佳透视变换矩阵与该透视变换矩阵之间的损失值、并使用该损失值更新该深度学习模型。

7.如权利要求6所述的图像校正系统，其中该模型调整单元还标记该图像，该标记具有涵盖该至少一字的标记范围。

8.如权利要求6所述的图像校正系统，其中当标记范围无法涵盖该至少一字时，该模型调整单元还延伸该图像以获得延伸图像，并标记该延伸图像，使该标记范围涵盖该至少一字。

9.如权利要求6所述的图像校正系统，其中还包括：

图像提取单元，用以提取该图像；

其中该处理单元根据该图像提取单元的拍摄信息限缩该透视变换矩阵的多个透视变换参数。

10.如权利要求9所述的图像校正系统，其中该拍摄信息包括拍摄位置、拍摄方向及拍摄角度。