[发明专利]图像处理方法、装置、计算机设备及存储介质在审

专利信息
申请号: 202111007568.2 申请日: 2021-08-30
公开(公告)号: CN113723289A 公开(公告)日: 2021-11-30
发明(设计)人: 李玖林;喻红 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04
代理公司: 北京中强智尚知识产权代理有限公司 11448 代理人: 黄耀威
地址: 518000 广东省深圳市福田街*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 处理 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种图像处理方法,其特征在于,包括:

获取包含变形文档的待恢复文档图像;

提取所述待恢复文档图像的二维特征信息,并基于所述待恢复文档图像的二维特征信息生成所述待恢复文档图像的二维特征图像;

基于所述二维特征图像生成所述待恢复文档图像的三维特征信息;

根据所述待恢复文档图像的二维特征信息和三维特征信息确定目标变换关系,其中,所述目标变换关系包括所述待恢复文档图像与所述变形文档对应的未变形文档图像间的变换关系;

根据所述目标变换关系,恢复所述待恢复文档图像。

2.根据权利要求1所述的方法,其特征在于,所述根据所述目标变换关系,恢复所述待恢复文档图像之前,所述方法还包括:

获取目标样本集,并构建第一损失函数,所述目标样本集中的每个训练样本均为包含变形文档的第一图像,一个第一图像对应一个包含未变形文档的第二图像;

根据所述目标样本集以及所述第一损失函数训练第一预设网络;

当所述第一损失函数的值不再减小时停止训练所述第一预设网络,得到第一模型;

其中,所述第一损失函数用于表示所述第一预设网络对第三图像的预测结果与第四图像间的误差,所述第三图像为所述训练样本集中的任一第一图像,所述第四图像为与所述第三图像对应的第二图像。

3.根据权利要求2所述的方法,其特征在于,所述当所述第一损失函数的值不再减小时停止训练所述第一预设网络,得到第一模型之后,所述方法还包括:

通过所述第一模型,将所述待恢复文档图像转换为二维特征图像;

其中,所述二维特征图像为六十四通道图像,所述二维特征图像的特征信息包括以下至少一项:所述待恢复文档图像包含的文字信息,所述待恢复文档图像的纹理信息。

4.根据权利要求3所述的方法,其特征在于,所述通过所述第一模型,将所述待恢复文档图像转换为二维特征图像之后,所述方法还包括:

提取所述第一模型输出的二维特征图像的第一特征向量;

通过第二预设网络对所述第一特征向量执行下卷积操作,得到第二特征向量集合,所述第二特征向量集合包括所述下卷积操作过程中每层卷积得到的第二特征向量;

通过所述第二预设网络对目标特征向量执行上卷积操作,得到第三特征向量集合;

其中,所述目标特征向量为所述下卷积操作中最后一层卷积得到的第二特征向量;所述第三特征向量集合包括所述上卷积操作过程中每层卷积得到的第三特征向量;所述第三特征向量集合中包括与所述第二特征向量集合中任一第二特征向量存在映射关系的第三特征向量。

5.根据权利要求4所述的方法,其特征在于,所述通过所述第二预设网络对目标特征向量执行上卷积操作,得到第三特征向量集合之后,所述方法还包括:

将所述第二特征向量集合中的第二特征向量与所述第三特征向量集合中的第三特征向量相融合,得到第四图像;

其中,所述第四图像为所述第一图像经过变换后得到的所述未变形文档图像的三维特征图像。

6.根据权利要求5所述的方法,其特征在于,所述将所述第二特征向量集合中的第二特征向量与所述第三特征向量集合中的第三特征向量相融合,得到第四图像之后,所述方法还包括:

根据所述第四图像与所述第二图像的比对结果,调整所述第二预设网络的参数;

当所述第二预设网络的第二损失函数的值不再减小时停止训练所述第二预设网络,得到第二模型;

其中,所述第二损失函数用于表示所述第四图像与所述第二图像间的误差。

7.根据权利要求6所述的方法,其特征在于,所述根据所述目标变换关系,恢复所述待恢复文档图像,包括:

将所述待恢复文档图像输入所述第一模型,得到二维特征图像;

将所述二维特征图像输入所述第二模型,得到所述待恢复文档图像恢复后的目标文档图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111007568.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top