基于深度学习的证章图像复原方法与流程

本发明涉及图像复原，尤其涉及一种基于深度学习的证章图像复原方法。

背景技术：

1、在多个身份核验场景中，核验效率被如下因素干扰：采集的证章图像可能出现歪斜扭曲的情况，不利于身份核验设备进行检测和识别，因此，如何将证章图像进行弯曲矫正拉平的问题亟待解决。现有技术的证章图像平整化，大多通过提升硬件配置实现测量图像的3d扭曲或通过多视角图像重建扭曲图像的3d形状，导致使用成本较高，或是通过各种手工特征分析单一图像从而实现图像复原，但此类方案需要针对每张图像进行调整，工作量较大，上述两种方案均存在缺陷，不利于在市场广泛推广。

技术实现思路

1、本发明的一个目的在于提供一种基于深度学习的证章图像复原方法，能够复原被扭曲的证章图像，且解决模糊、阴影、过曝光、摩尔纹等问题，提升证章图像质量。

2、本发明的其它优势和特点通过下述的详细说明得以充分体现并可通过所附权利要求中特地指出的手段和装置的组合得以实现。

3、依本发明的一个方面，能够实现前述目的和其他目的和优势的本发明的一种基于深度学习的证章图像复原方法，包括以下步骤：

4、证章图像特征提取，采用深度学习骨干网络，作为基础模型对采集的证章图像进行特征提取；

5、叠加一个网络结构，被叠加的网络结构被输入为深度学习骨干网络的去卷积特征和中间预测的连接；

6、输出优化后的预测；

7、通过计算输出映射和对应的groundtruth映射之间的绝对误差，以及不同点的相对误差来对网络模型参数进行调整；

8、通过网络输出的映射图以及原证章图像生成复原证章图像。

9、根据本发明的一个实施例，网络模型训练时，学习所有训练集非平整图像与对应平整图像之间的映射关系，在模型训练完成时，输入非平整证章图像，网络模型会输出对应的映射图。

10、根据本发明的一个实施例，在证章图像特征提取前，对采集到的证章图像数据预处理，对获取到的证章图像进行比例缩放、均值化、归一化处理，得到待处理图像后进行特征提取。

11、根据本发明的一个实施例，采用深度学习骨干网络为unet网络时，unet网络的u形网络结构密集融合了浅层特征与深层特征，浅层特征图倾向于表达基本特征单元，深层特征图倾向于表达证章图像的语义信息。

12、根据本发明的一个实施例，进行复原证章图像生成后，利用双边滤波对模糊图像进行去模糊处理。

13、根据本发明的一个实施例，进行复原证章图像生成后，针对存在阴影问题的图像，先对生成的复原证章图像进行颜色空间转换，由rgb转到hsv或者lab，然后根据颜色信息和亮度信息使用阈值分割将图像的阴影区域与非阴影区域分割开，再通过调整阴影区域的亮度或者颜色值来抵消阴影效果，最后将处理后的阴影区域与原始阴影区域融合，得到去除阴影后的图像。

14、根据本发明的一个实施例，进行复原证章图像生成后，针对存在过曝光问题的图像，通过调整伽马参数来调节图像曝光程度。

15、根据本发明的一个实施例，进行复原证章图像生成后，对存在摩尔纹问题的图像，通过平滑滤波图像处理，得到摩尔纹去除后的图像。

16、根据本发明的一个实施例，进行复原证章图像生成后，针对存在过曝光问题的图像，通过调整伽马参数来调节图像曝光程度，从而实现图像过曝光或欠曝光调整。

17、根据本发明的一个实施例，进行复原证章图像生成后，针对存在摩尔纹问题的图像，通过传统图像处理的平滑滤波能够一定缓解该问题，得到摩尔纹去除后的图像。

18、本发明的有益效果是：能够复原被扭曲的证章图像，且解决模糊、阴影、过曝光、摩尔纹等问题，提升证章图像质量，为后续身份识别设备提供更好的图像数据支持。

技术特征：

1.一种基于深度学习的证章图像复原方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的证章图像复原方法，其特征在于，网络模型训练时，学习所有训练集非平整图像与对应平整图像之间的映射关系，在模型训练完成时，输入非平整证章图像，网络模型会输出对应的映射图。

3.根据权利要求2所述的证章图像复原方法，其特征在于，在证章图像特征提取前，对采集到的证章图像数据预处理，对获取到的证章图像进行比例缩放、均值化、归一化处理，得到待处理图像后进行特征提取。

4.根据权利要求3所述的证章图像复原方法，其特征在于，采用深度学习骨干网络为unet网络时，unet网络的u形网络结构密集融合了浅层特征与深层特征，浅层特征图倾向于表达基本特征单元，深层特征图倾向于表达证章图像的语义信息。

5.根据权利要求4所述的证章图像复原方法，其特征在于，进行复原证章图像生成后，利用双边滤波对模糊图像进行去模糊处理。

6.根据权利要求5所述的证章图像复原方法，其特征在于，进行复原证章图像生成后，针对存在阴影问题的图像，先对生成的复原证章图像进行颜色空间转换，由rgb转到hsv或者lab，然后根据颜色信息和亮度信息使用阈值分割将图像的阴影区域与非阴影区域分割开，再通过调整阴影区域的亮度或者颜色值来抵消阴影效果，最后将处理后的阴影区域与原始阴影区域融合，得到去除阴影后的图像。

7.根据权利要求6所述的证章图像复原方法，其特征在于，进行复原证章图像生成后，针对存在过曝光问题的图像，通过调整伽马参数来调节图像曝光程度。

8.根据权利要求7所述的证章图像复原方法，其特征在于，进行复原证章图像生成后，对存在摩尔纹问题的图像，通过平滑滤波图像处理，得到摩尔纹去除后的图像。

技术总结
本发明公开了一种基于深度学习的证章图像复原方法，包括以下步骤：证章图像特征提取，采用深度学习骨干网络，作为基础模型对采集的证章图像进行特征提取；叠加一个网络结构，被叠加的网络结构被输入为深度学习骨干网络的去卷积特征和中间预测的连接；输出优化后的预测；通过计算输出映射和对应的groundtruth映射之间的绝对误差，以及不同点的相对误差来对网络模型参数进行调整，网络模型训练时，学习所有训练集非平整图像与对应平整图像之间的映射关系，在模型训练完成时，输入非平整证章图像，网络模型会输出对应的映射图；通过网络输出的映射图以及原证章图像生成复原证章图像。

技术研发人员：杨梅,夏炉系,张浒,付雪平,鲁成成
受保护的技术使用者：盛视科技股份有限公司
技术研发日：
技术公布日：2024/1/25