[发明专利]一种基于生成对抗网络的倾斜图像的矫正方法及装置

说明书

本发明提供了一种基于生成对抗网络的倾斜图像的矫正方法及装置，其中的方法通过基于生成对抗网络，设计了用于矫正倾斜图像的模型TiltGAN，通过TiltGAN模型的生成模型与判别模型的不断博弈可以生成矫正后的第一图像，然后根据矫正后的第一图像与原始倾斜图像的灰度值变化，计算原始倾斜图像的倾斜角度，并基于所述倾斜角度，对原始倾斜图像进行矫正，从而可以较为准确地计算图片的倾斜角度，并对图像进行倾斜矫正。实现了可以针对多种场景的图片计算其倾斜角度，从而完成图像倾斜矫正，并提高矫正精度的技术效果。

技术领域

本发明涉及计算机图像处理技术领域，具体涉及一种基于生成对抗网络的倾斜图像的矫正方法及装置。

背景技术

在进行图像中的文本或物体识别时，获取的图像会因为拍摄、扫描或传输等因素，出现图像倾斜的问题，从而影响对图像中文本或物体识别的准确度。例如对于光学字符识别而言，倾斜的文本图像会极大地影响文字识别的准确率。在这种情况下，对于倾斜图像的矫正技术则是解决这一问题的有效途径，引起了很多专家与学者的关注。

目前，图像的倾斜校正方法主要有两种：一种是基于数学建模的方法，另一种是基于数学变换的方法。基于数学建模的方法利用获取的图像目标区域来组建火柴棒模型，进而完成对倾斜图像的矫正。而基于数学变换的方法主要又分为如下三种：一种是基于Fourier变换算法的倾斜图像矫正方法，该方法通过将图像中的所有像素点进行Fourier变换，进而完成对倾斜图像的矫正；另一种是基于Rodon变换算法的倾斜图像特征的矫正方法，该方法融合数学形态来完成图像边缘细化和断点连接，利用Radon变换得到了图像的倾斜角，从而完成了对图像的倾斜矫正；第三种是基于改进Gabor小波变换算法的倾斜图像特征的矫正方法，该方法先利用Gabor小波特征提取方法选取一定角度的Gabor小波对标准的图像进行单一尺度下的Gabor小波变换，获取不同角度下变换系数的数量，同时对倾斜图像进行与标准图像相同的变换，在此基础上提取标准图像的边缘特征，并融合Hough变换算法对倾斜图像进行Hough变换，依据对Hough变换累积结果进行处理来矫正图像倾斜角度，进而有效地完成对倾斜图像的矫正。

本申请发明人在实施本发明的过程中，发现现有的方法至少存在如下问题：

上述方法在实际应用中有着一些局限性，主要包括以下三点：一是这些方法都只能在一部分数据集上表现良好，可以在这部分图像数据上，完成图像倾斜矫正相关的工作。但是，在其它大部分数据集上，他们都表现较差，不能有效实现图像倾斜矫正；二是，在进行图像倾斜矫正的过程中，会丢失一部分边界信息，从而破坏了原始图像的完整性；三是有些算法需要的存储空间较大，存在计算较为繁琐的问题。

由上可知，现有技术的方法存在适用范围窄、矫正精度较低的技术问题。

发明内容

鉴于此，本发明提供了一种基于生成对抗网络的倾斜图像的矫正方法及装置，用以解决或者至少部分解决现有技术的方法存在适用范围窄、矫正精度较低的技术问题。

本发明第一方面提供了一种基于生成对抗网络的倾斜图像的矫正方法，包括：

步骤S1：从预设开源库中获取原始图片数据，对原始图片数据进行预处理；

步骤S2：对预处理后的图片数据建立数据集合，从数据集合中划分出训练集；

步骤S3：基于生成对抗网络，建立用于倾斜图像矫正的TiltGAN模型；

步骤S4：通过训练集对TiltGAN模型进行训练，获得训练后的TiltGAN模型；

步骤S5：将原始倾斜图像输入所述训练后的TiltGAN模型，获得矫正后的第一图像；

步骤S6：根据矫正后的第一图像与原始倾斜图像的灰度值变化，计算原始倾斜图像的倾斜角度，并基于所述倾斜角度，对原始倾斜图像进行矫正。