[发明专利]图像矫正模型的训练方法、图像矫正方法、设备及存储介质

权利要求书

1.一种图像矫正模型的训练方法，其特征在于，所述方法包括：

获取训练数据，所述训练数据包括训练图像和所述训练图像对应的旋转图像；

将所述旋转图像输入至预设的矫正网络中，得到所述旋转图像对应的仿射变换矩阵；

基于所述仿射变换矩阵对所述旋转图像进行仿射变换，并将得到的变换数据输入至采样网络进行图像采样，得到所述旋转图像对应的矫正图像；

计算所述矫正图像和所述训练图像之间的损失函数值，并根据所述损失函数值对所述预设的矫正网络和所述采样网络进行迭代训练，并在训练完成时将所述预设的矫正网络和所述采样网络共同作为图像矫正模型。

2.根据权利要求1所述的图像矫正模型的训练方法，其特征在于，所述预设的矫正网络为预训练的矫正网络；在将所述旋转图像输入至预设的矫正网络之前，所述方法还包括：

获取样本数据，所述样本数据包括样本图像和所述样本图像对应的关键点；

将所述样本图像输入至卷积神经网络，得到输出仿射矩阵；

基于所述样本图像对应的关键点和预设定位点确定监督仿射矩阵；

计算所述输出仿射矩阵和所述监督仿射矩阵之间的损失函数值，并根据所述损失函数值对所述卷积神经网络进行预训练，得到预训练的矫正网络。

3.根据权利要求1所述的图像矫正模型的训练方法，其特征在于，所述预设的矫正网络为预训练的矫正网络；在将所述旋转图像输入至预设的矫正网络之前，所述方法还包括：

获取训练样本数据，所述训练样本数据包括训练样本图像对应的旋转样本图像和所述训练样本图像对应的旋转角度；

将所述旋转样本图像输入至卷积神经网络，得到所述旋转样本图像对应的输出仿射矩阵；

根据所述旋转样本图像和所述旋转样本图像对应的旋转角度确定监督仿射矩阵；

计算所述输出仿射矩阵和所述监督仿射矩阵之间的损失函数值，并根据所述损失函数值对所述卷积神经网络进行预训练，得到预训练的矫正网络。

4.根据权利要求1所述的图像矫正模型的训练方法，其特征在于，所述基于所述仿射变换矩阵对所述旋转图像进行仿射变换，包括：

获取所述旋转图像中每个像素点的像素坐标；

基于所述仿射变换矩阵分别对每个所述像素点的像素坐标进行映射，得到每个所述像素点的映射坐标。

5.根据权利要求4所述的图像矫正模型的训练方法，其特征在于，所述将得到的变换数据输入至采样网络进行图像采样，得到所述旋转图像对应的矫正图像，包括：

当所述像素点的映射坐标不是整数时，将所述像素点的映射坐标输入至采样网络进行图像采样，得到所述旋转图像对应的矫正图像；

当所述像素点的映射坐标是整数时，根据所述映射坐标在所述旋转图像中获取与所述映射坐标对应的像素点进行像素点填充，以得到矫正图像。

6.根据权利要求5所述的图像矫正模型的训练方法，其特征在于，所述将所述像素点的映射坐标输入至采样网络进行图像采样，得到所述旋转图像对应的矫正图像，包括：

对所述像素点的映射坐标进行插值取整，得到所述像素点对应的采样坐标；

根据所述采样坐标在所述旋转图像中获取与所述采样坐标对应的像素点进行像素点填充，得到矫正图像。

7.根据权利要求1-6中任一项所述的图像矫正模型的训练方法，其特征在于，在所述将所述旋转图像输入至预设的矫正网络中，得到所述旋转图像对应的仿射变换矩阵之前，所述方法包括：

对所述旋转图像进行图像预处理，所述图像预处理包括尺寸调整和/或图像增强。

8.一种图像矫正方法，其特征在于，所述方法包括：

获取待矫正图像；

将所述待矫正图像输入至预先训练的图像矫正模型中，得到矫正图像，其中，所述预先训练的图像矫正模型为采用如权利要求1至7中任一项所述的图像矫正模型的训练方法训练得到的。