[發明專利]圖像去污方法、裝置、可讀存儲介質及計算機設備

有效

• 申請號: 202011394487.8
• 申請日: 2020-12-03
• 公開（公告）號: CN112215784B
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 廖成慧;江少鋒;曾江佑;熊慧江
• 申請（專利權）人: 江西博微新技術有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T3/40
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 彭琰

1.一種圖像去污方法，其特征在于，包括：

獲取原始圖像，并將所述原始圖像的尺寸調整至閾值尺寸，得到第一處理圖像；

利用訓練后的生成式對抗網絡模型對所述第一處理圖像進行去污處理，得到第二處理圖像；

將所述第一處理圖像和所述第二處理圖像進行結構相似性計算，得到所述第一處理圖像和所述第二處理圖像之間的差異特征圖；

比對所述差異特征圖和所述第一處理圖像，以確定所述第一處理圖像中的污漬區域和所述污漬區域所在的位置信息；

將所述污漬區域縮放至與所述原始圖像對應的尺寸，并根據縮放后的污漬區域以及所述位置信息確定所述原始圖像中的目標污漬區域；

去除所述原始圖像中的目標污漬區域的內容；

所述比對所述差異特征圖和所述第一處理圖像，以確定所述第一處理圖像中的污漬區域和所述污漬區域所在的位置信息的步驟包括：

對所述差異特征圖進行二值化和連通區域分析處理；

比對處理后的所述差異特征圖和所述第一處理圖像，以確定所述第一處理圖像中的差異區域；

對所述差異區域進行外輪廓提取和擬合多邊形處理得到所述第一處理圖像中的污漬區域，并獲取所述污漬區域的位置信息。

2.如權利要求1所述的圖像去污方法，其特征在于，所述利用訓練后的生成式對抗網絡模型對所述第一處理圖像進行去污處理，得到第二處理圖像的步驟之前還包括：

利用生成模型和判別模型構建生成式對抗網絡模型，利用訓練組圖像對所述生成式對抗網絡模型進行訓練，所述訓練組圖像包括多組內容相同的干凈圖像和帶污漬圖像。

3.如權利要求2所述的圖像去污方法，其特征在于，所述生成模型和所述判別模型均采用卷積神經網絡模型。

4.如權利要求1所述的圖像去污方法，其特征在于，所述將所述原始圖像的尺寸調整至閾值尺寸的步驟包括：

將所述原始圖像的尺寸調整至分辨率為512*512的大小。

5.一種圖像去污裝置，其特征在于，包括：

第一處理模塊，用于獲取原始圖像，并將所述原始圖像的尺寸調整至閾值尺寸，得到第一處理圖像；

第二處理模塊，用于利用訓練后的生成式對抗網絡模型對所述第一處理圖像進行去污處理，得到第二處理圖像；

計算模塊，用于將所述第一處理圖像和所述第二處理圖像進行結構相似性計算，得到所述第一處理圖像和所述第二處理圖像之間的差異特征圖；

比對模塊，用于比對所述差異特征圖和所述第一處理圖像，以確定所述第一處理圖像中的污漬區域和所述污漬區域所在的位置信息；

確定模塊，用于將所述污漬區域縮放至與所述原始圖像對應的尺寸，并根據縮放后的污漬區域以及所述位置信息確定所述原始圖像中的目標污漬區域；

去污模塊，用于去除所述原始圖像中的目標污漬區域的內容；

所述比對模塊具體用于：

對所述差異特征圖進行二值化和連通區域分析處理；

比對處理后的所述差異特征圖和所述第一處理圖像，以確定所述第一處理圖像中的差異區域；

對所述差異區域進行外輪廓提取和擬合多邊形處理得到所述第一處理圖像中的污漬區域，并獲取所述污漬區域的位置信息。

6.如權利要求5所述的圖像去污裝置，其特征在于，還包括：

利用生成模型和判別模型構建生成式對抗網絡模型，利用訓練組圖像對所述生成式對抗網絡模型進行訓練，所述訓練組圖像包括多組內容相同的干凈圖像和帶污漬圖像。

7.一種可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1至4中任一項所述的圖像去污方法。

8.一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至4中任一項所述的圖像去污方法。