[发明专利]一种基于前向预测的扭曲文档图像矫正方法及系统

说明书

本发明公开了一种基于前向预测的扭曲文档图像矫正方法及系统，涉及文档分析领域，其中，该方法包括：获取扭曲图像信息；将其输入形状预测模型，获得图像3D坐标信息；将扭曲图像信息输入前景背景分离分支模型，预测扭曲图像信息的前景信息和背景信息；将图像3D坐标信息输入前向预测模型，获得矫正3D坐标信息；将矫正3D坐标信息结合前景信息进行融合处理，获得2D前向图；根据2D前向图进行插值处理，获得2D后向图；进而生成获得扭曲图像信息的矫正图像信息。本发明解决了现有技术中的针对扭曲文档图像使用后向预测的方式进行矫正时存在的误差难以优化，进而造成扭曲文档图像的局部矫正效果不佳的技术问题。

技术领域

本发明涉及文档分析领域，具体地，涉及一种基于前向预测的扭曲文档图像矫正方法及系统。

背景技术

目前已有的扭曲文档图像矫正方法主要分为两大类，传统的扭曲文档图像矫正方法和基于深度学习的扭曲文档图像矫正方法。传统的扭曲文档图像矫正方法大多是依据纸张的几何特征进行矫正，其约束和假设较多、计算量大，且不能很好的处理在假设之外或者复杂形变的图像，因此传统方法在实际应用中有较多的局限性。随着卷积神经网络的广泛应用，依靠数据驱动的深度学习方法在多个领域被证明其解决问题的能力与价值，在强大的计算资源的支持下，基于深度学习的方法已经成为扭曲文档图像矫正方法的主流发展趋势。

现有技术中，主流的针对扭曲文档图像矫正的方法一般通过图像的3D坐标预测2D后向图的方法进行矫正。使用后向预测的方式进行矫正时存在着误差难以优化，以及扭曲文档图像的局部矫正效果不佳的技术问题。

发明内容

本申请提供了一种基于前向预测的扭曲文档图像矫正方法及系统，用以针对解决现有技术中的针对扭曲文档图像使用后向预测的方式进行矫正时存在的误差难以优化，以及扭曲文档图像的局部矫正效果不佳的技术问题。

鉴于上述问题，本申请提供了一种基于前向预测的扭曲文档图像矫正方法及系统。

一方面，本申请提供了一种基于前向预测的扭曲文档图像矫正方法，其中，所述方法应用于一种基于前向预测的扭曲文档图像矫正系统，所述方法包括：获取扭曲图像信息；将所述扭曲图像信息输入形状预测模型，进行所述扭曲图像信息的3D坐标预测，获得图像3D坐标信息；将所述扭曲图像信息输入前景背景分离分支模型，预测所述扭曲图像信息的前景信息和背景信息，其中，所述前景背景分离分支模型包括于所述形状预测模型；将所述图像3D坐标信息输入前向预测模型，进行所述图像3D坐标信息的矫正3D坐标预测，获得矫正3D坐标信息；将所述矫正3D坐标信息结合所述前景信息进行融合处理，获得2D前向图；根据所述2D前向图进行插值处理，获得2D后向图；通过所述2D后向图，生成获得所述扭曲图像信息的矫正图像信息。

另一方面，本申请还提供了一种基于前向预测的扭曲文档图像矫正系统，其中，所述系统包括：第一执行单元，所述第一执行单元用于获取扭曲图像信息；第一获得单元，所述第一获得单元用于将所述扭曲图像信息输入形状预测模型，进行所述扭曲图像信息的3D坐标预测，获得图像3D坐标信息；第二执行单元，所述第二执行单元用于将所述扭曲图像信息输入前景背景分离分支模型，预测所述扭曲图像信息的前景信息和背景信息，其中，所述前景背景分离分支模型包括于所述形状预测模型；第二获得单元，所述第二获得单元用于将所述图像3D坐标信息输入前向预测模型，进行所述图像3D坐标信息的矫正3D坐标预测，获得矫正3D坐标信息；第三获得单元，所述第三获得单元用于将所述矫正3D坐标信息结合所述前景信息进行融合处理，获得2D前向图；第四获得单元，所述第四获得单元用于根据所述2D前向图进行插值处理，获得2D后向图；第五获得单元，所述第五获得单元用于通过所述2D后向图，生成获得所述扭曲图像信息的矫正图像信息。

第三方面，本申请提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。