[发明专利]一种基于深度学习的车辆图像形变的修复方法

说明书

一种基于深度学习的车辆图像形变的修复方法，涉及一种车辆图像修复方法。解决了现有移动车辆形变图像处理方法复杂，不利于快速检测的问题。本发明采用多部摄像机全面拍摄通过的车辆的图像；将多部摄像机拍摄的图像进行拼接，获得完整车辆图像，对完整车辆图像依次做直方图均衡化、去噪以及目标裁剪处理，获得背景剪裁后的完整车辆图像；利用改进的Faster‑RCNN算法，识别背景剪裁后的轮胎边框的坐标；利用轮胎边框的坐标计算轮胎的宽高比，获取图形的形变量；利用步骤四的形变量，对背景剪裁后的完整车辆图像进行比例恢复；完成车辆图像形变的修复。本发明适用于车辆图像修复。

技术领域

本发明涉及一种车辆图像修复方法。

背景技术

线阵相机在拍摄移动车辆时，受到车速影响，当车辆行驶速度较快时，图像会被压缩，行驶较慢时，图像会被伸长，导致拍摄图像比例失调，无法进行后续图像识别工作。

传统形变图像的处理方法需要在被拍摄物体上进行标记，由于项目限制，过车具有随机性，无法进行标定，且该操作复杂，不利于快速检测。

发明内容

本发明的目的是为了解决现有移动车辆形变图像处理方法复杂,不利于快速检测的问题，提出了一种基于深度学习的车辆图像形变的修复方法。

本发明提供一种基于深度学习的车辆图像形变的修复方法，具体包括：

步骤一、采用多部摄像机全面拍摄通过的车辆的图像；

步骤二、将多部摄像机拍摄的图像进行拼接，获得完整车辆图像，对完整车辆图像依次做直方图均衡化、去噪以及目标裁剪处理，获得背景剪裁后的完整车辆图像；

步骤三、利用改进的Faster-RCNN算法，识别背景剪裁后的完整车辆图像中的轮胎边框的坐标；

步骤四、利用轮胎边框的坐标计算轮胎的宽高比，获取图形的形变量；

步骤五、利用步骤四所述的形变量，对步骤二获得的背景剪裁后的完整车辆图像进行比例恢复，获得恢复后的车辆图像。

进一步地，本发明中，步骤一中采用多部摄像机全面拍摄通过的车辆的图像的具体方法为：

采用多部摄像机拍摄车辆，所述多部摄像机分别设置在车辆经过通道的上侧、下侧、左侧和右侧。

进一步地，本发明中，步骤二中将多部摄像机拍摄的图像进行拼接，获得完整车辆图像的具体方法为：

步骤A1、按照摄像机拍摄的图像与车辆的对应位置，对拍摄图像进行依次拼接，获得完整车辆图像。

进一步地，本发明中，步骤二中对完整车辆图像进行直方图均衡化具体方法为：

步骤A2、利用Sobel算子，计算完整车辆图像横纵坐标方向上的梯度，获取高水平梯度和低垂直梯度图像。

进一步地，本发明中，步骤二中的去噪的具体方法为：

步骤A3、采用加权均值滤波算法对高水平梯度和低垂直梯度的图像进行平滑处理，获得模糊图像；

步骤A4、对模糊图像进行二值化处理。

进一步地，本发明中，步骤A3、采用加权均值滤波对高水平梯度和低垂直梯度的图像进行平滑处理，获得模糊图像的具体方法为：

通过公式：

计算实现，其中，g(x,y)表示加权均值滤波后的值，s是点(x,y)邻域内的点集，w(i,j)是权值，g(i,j)为邻域点(i，j)的像素值。

进一步地，本发明中，步骤二中的目标裁剪的具体方法为：