[发明专利]一种基于深度学习的扭曲图像矫正方法、装置和存储介质

权利要求书

1.一种基于深度学习的扭曲图像矫正方法，其特征在于，包括：

提取扭曲图像的特征数据；

以训练图像和训练图像对应的偏移图作为训练数据，构建用于矫正的深度神经网络模型；

根据所述特征数据，识别出所述扭曲图像中的待矫正元素；

利用所述用于矫正的深度神经网络模型预测所述待矫正元素的偏移图，生成预测偏移图；

根据所述预测偏移图矫正所述扭曲图像。

2.根据权利要求1所述的基于深度学习的扭曲图像矫正方法，其特征在于，所述提取扭曲图像的特征数据的步骤，具体包括：

利用深度神经网络模型对所述扭曲图像进行文本行检测，提取文本行中心线，生成所述扭曲图像的文本特征图。

3.根据权利要求2所述的基于深度学习的扭曲图像矫正方法，其特征在于，所述利用深度神经网络模型对所述扭曲图像进行文本行检测，提取文本行中心线，生成所述扭曲图像的文本特征图的步骤，具体包括：

使用预训练的语义分割模型提取所述扭曲图像的文本区域特征图和文本行中心线特征图；

使用所述文本区域特征图和所述文本行中心线特征图进行后处理，生成精准化的文本行中心线特征图。

4.根据权利要求1所述的基于深度学习的扭曲图像矫正方法，其特征在于，所述以训练图像和训练图像对应的偏移图作为训练数据，构建用于矫正的深度神经网络模型的步骤，具体包括：

获取非扭曲图像，对所述非扭曲图像做扭曲处理，生成自建扭曲图像作为所述训练图像，生成对应于扭曲处理过程的偏移图作为所述训练图像对应的偏移图，以构建所述用于矫正的深度神经网络模型。

5.根据权利要求4所述的基于深度学习的扭曲图像矫正方法，其特征在于，所述扭曲处理具体包括：

根据所述非扭曲图像的尺寸随机生成扭曲参数，其中，扭曲参数包括扭曲的初始点、方向、扭曲程度和形变的类型，形变的类型包括弯曲和折叠；

根据所述扭曲参数计算每个像素的形变量；

重复随机生成扭曲参数的步骤以及根据扭曲参数计算每个像素的形变量的步骤，进行多次扭曲，叠加每次扭曲的形变；

使用插值算法将所述非扭曲图像变换为所述自建扭曲图像。

6.根据权利要求5所述的基于深度学习的扭曲图像矫正方法，其特征在于，所述以训练图像和训练图像对应的偏移图作为训练数据，构建用于矫正的深度神经网络模型的步骤，具体还包括：

构建基于编码器-解码器结构的卷积神经网络模型，使用所述自建扭曲图像作为输入，使用生成的标签作为训练标签，输出偏移图；

对所述基于编码器-解码器结构的卷积神经网络模型进行多次训练，使卷积神经网络的损失值下降收敛至预期范围内。

7.根据权利要求2所述的基于深度学习的扭曲图像矫正方法，其特征在于，所述利用所述用于矫正的深度神经网络模型预测所述待矫正元素的偏移图，生成预测偏移图的步骤，具体包括：

对通过文本行检测生成的文本特征图进行预处理并输入到所述用于矫正的深度神经网络模型中，以输出所述预测偏移图，其中，所述待矫正元素包括所述文本特征图。

8.一种基于深度学习的扭曲图像矫正装置，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的所述程序指令以实现如权利要求1至7中任一项所述的基于深度学习的扭曲图像矫正方法。

9.一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存储有程序代码，所述程序代码用于实现如权利要求1至7中任一项所述的基于深度学习的扭曲图像矫正方法。