[發(fā)明專利]用于矯正圖像的方法和裝置

有效

• 申請?zhí)枺?/td>: 201811139640.5
• 申請日: 2018-09-28
• 公開（公告）號: CN109345460B
• 公開（公告）日: 2020-04-24
• 發(fā)明（設(shè)計）人: 譚嘯;丁二銳;孫昊
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G06T3/60
• 分類號: G06T3/60
• 代理公司: 北京英賽嘉華知識產(chǎn)權(quán)代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于矯正圖像的方法，包括：

采用束搜索算法在預(yù)設(shè)角度范圍內(nèi)確定的目標搜索深度和目標束寬度，確定至少一個采樣角度，其中，所述采用束搜索算法在預(yù)設(shè)角度范圍內(nèi)確定目標搜索深度和目標束寬度包括執(zhí)行比值確定操作，所述比值確定操作包括：確定測試樣本集中對應(yīng)的測試結(jié)果為測試通過的測試樣本的數(shù)目與所述測試樣本集中測試樣本數(shù)目的比值是否大于預(yù)設(shè)測試通過比例閾值；響應(yīng)于確定大于，將初始搜索深度和初始束寬度確定為所述目標搜索深度和所述目標束寬度；

對于所述至少一個采樣角度中的每個采樣角度，將目標圖像旋轉(zhuǎn)該采樣角度，得到與該采樣角度對應(yīng)的旋轉(zhuǎn)后圖像；

對于所得到的至少一個旋轉(zhuǎn)后圖像中的每個旋轉(zhuǎn)后圖像，將該旋轉(zhuǎn)后圖像輸入預(yù)先訓(xùn)練的非旋轉(zhuǎn)圖像檢測模型，得到與該旋轉(zhuǎn)后圖像對應(yīng)的非旋轉(zhuǎn)圖像分值，其中，所述非旋轉(zhuǎn)圖像檢測模型用于表征圖像與非旋轉(zhuǎn)圖像分值之間的對應(yīng)關(guān)系；

將所述至少一個旋轉(zhuǎn)后圖像中對應(yīng)的非旋轉(zhuǎn)圖像分值最高的旋轉(zhuǎn)后圖像確定為與所述目標圖像對應(yīng)的矯正后圖像。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述非旋轉(zhuǎn)圖像檢測模型是通過如下訓(xùn)練步驟得到的：

確定初始非旋轉(zhuǎn)目標檢測模型的模型結(jié)構(gòu)和模型參數(shù)；

獲取訓(xùn)練樣本集，其中，每個訓(xùn)練樣本包括訓(xùn)練樣本圖像和與該訓(xùn)練樣本圖像對應(yīng)的至少一個參照物標注結(jié)果，訓(xùn)練樣本圖像包括至少一個非旋轉(zhuǎn)參照物圖像，參照物標注結(jié)果包括參照物標識和參照物位置信息；

將訓(xùn)練樣本集中的訓(xùn)練樣本中的訓(xùn)練樣本圖像和對應(yīng)的參照物標注結(jié)果分別作為所述初始非旋轉(zhuǎn)目標檢測模型的輸入和期望輸出，利用機器學(xué)習(xí)方法訓(xùn)練所述初始非旋轉(zhuǎn)目標檢測模型；

將訓(xùn)練得到的所述初始非旋轉(zhuǎn)目標檢測模型確定為所述預(yù)先訓(xùn)練的非旋轉(zhuǎn)圖像檢測模型。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述對于所得到的至少一個旋轉(zhuǎn)后圖像中的每個旋轉(zhuǎn)后圖像，將該旋轉(zhuǎn)后圖像輸入預(yù)先訓(xùn)練的非旋轉(zhuǎn)圖像檢測模型，得到與該旋轉(zhuǎn)后圖像對應(yīng)的非旋轉(zhuǎn)圖像分值，包括：

對于所得到的至少一個旋轉(zhuǎn)后圖像中的每個旋轉(zhuǎn)后圖像，將該旋轉(zhuǎn)后圖像輸入預(yù)先訓(xùn)練的非旋轉(zhuǎn)圖像檢測模型，得到與該旋轉(zhuǎn)后圖像對應(yīng)的至少一個參照物檢測結(jié)果，參照物檢測結(jié)果包括參照物標識、檢測到參照物標識所指示的參照物的置信度和參照物位置信息，根據(jù)所得到的各個參照物檢測結(jié)果中的置信度確定與該旋轉(zhuǎn)后圖像對應(yīng)的非旋轉(zhuǎn)圖像分值。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述根據(jù)所得到的各個參照物檢測結(jié)果中的置信度確定與該旋轉(zhuǎn)后圖像對應(yīng)的非旋轉(zhuǎn)圖像分值，包括：

將所得到的各個參照物檢測結(jié)果中的置信度中的最大值確定為與該旋轉(zhuǎn)后圖像對應(yīng)的非旋轉(zhuǎn)圖像分值。

5.根據(jù)權(quán)利要求3所述的方法，其中，所述根據(jù)所得到的各個參照物檢測結(jié)果中的置信度確定與該旋轉(zhuǎn)后圖像對應(yīng)的非旋轉(zhuǎn)圖像分值，包括：

將所得到的各個參照物檢測結(jié)果中的置信度的平均值確定為與該旋轉(zhuǎn)后圖像對應(yīng)的非旋轉(zhuǎn)圖像分值。

6.根據(jù)權(quán)利要求3所述的方法，其中，所述根據(jù)所得到的各個參照物檢測結(jié)果中的置信度確定與該旋轉(zhuǎn)后圖像對應(yīng)的非旋轉(zhuǎn)圖像分值，包括：

將所得到的各個參照物檢測結(jié)果中的置信度的和確定為與該旋轉(zhuǎn)后圖像對應(yīng)的非旋轉(zhuǎn)圖像分值。

7.根據(jù)權(quán)利要求2-6中任一所述的方法，其中，所述方法還包括：

將所述矯正后圖像輸入預(yù)先訓(xùn)練的非旋轉(zhuǎn)圖像檢測模型，得到與所述目標圖像對應(yīng)的圖像識別結(jié)果。

8.根據(jù)權(quán)利要求7所述的方法，其中，所述初始非旋轉(zhuǎn)目標檢測模型為深度神經(jīng)網(wǎng)絡(luò)。

9.根據(jù)權(quán)利要求7所述的方法，其中，所述初始非旋轉(zhuǎn)目標檢測模型為模板匹配模型。