[发明专利]一种基于深度学习的图像拼接方法、系统、介质及计算机

权利要求书

1.一种基于深度学习的图像拼接方法，其特征在于，包括以下步骤：

S1、获取坯布表面的第一待拼接图片和第二待拼接图片，并分别对其进行矫正，对应得到预定尺寸的第一矫正图片和第二矫正图片；

S2、对所述第一矫正图片和第二矫正图片分别进行预处理，生成对应的第一增强图片和第二增强图片；

S3、将所述第一增强图片和第二增强图片输入预先训练好的深度学习神经网络中，获得预拼接图片；

S4、对所述预拼接图片进行后处理，生成拼接部位过渡平滑的拼接图片。

2.根据权利要求1所述的一种基于深度学习的图像拼接方法，其特征在于，所述步骤S1，包括以下步骤：

S11、将缺陷检测相机架设在坯布正上方，水平移动缺陷检测相机，并对坯布表面进行图像采集，获取第一待拼接图片和第二待拼接图片；

S12、对所述第一待拼接图片和第二待拼接图片分别使用图像金字塔或者openCVresize函数进行尺寸调整，对应获得第一裁切图和第二裁切图；

S13、对所述第一裁切图和第二裁切图的边缘进行畸变调整，获得第一矫正图片和第二矫正图片。

3.根据权利要求1所述的一种基于深度学习的图像拼接方法，其特征在于，所述步骤S2，包括以下步骤：

S21、对所述第一矫正图片和第二矫正图片分别进行灰度处理，对应生成第一灰度图片和第二灰度图片；

S22、对所述第一灰度图和第二灰度图分别进行亮度调整，生成对应的第一增强图片和第二增强图片。

4.根据权利要求3所述的一种基于深度学习的图像拼接方法，其特征在于，所述步骤S22，包括：对所述第一灰度图和第二灰度图分别使用直方图均衡化，得到对应的第一增强图片和第二增强图片。

5.根据权利要求1所述的一种基于深度学习的图像拼接方法，其特征在于，所述步骤S3，包括以下步骤：

S31、所述将所述第一增强图片和第二增强图片输入预先训练好的深度学习神经网络中生成对应的平移参数、旋转参数以及放缩参数；

S32、根据所述平移参数、旋转参数以及放缩参数，对所述第二增强图片进行空间变换，获得第三增强图片；

S33、将所述第一增强图片和第三增强图片的重叠部分在空间上进行对准，获得预拼接图片。

6.根据权利要求5所述的一种基于深度学习的图像拼接方法，其特征在于，所述步骤S32；所述旋转参数包括：图片的旋转角度α；所述放缩参数包括：像素点的横坐标的放大倍数Sx，像素点的纵坐标的放大倍数Sy；所述平移参数包括：像素点的水平移动距离Tx，像素点的纵坐标的放大倍数Ty；

还包括以下步骤：

S311、使用旋转公式对所述第二增强图片进行旋转处理，生成对应的旋转图片；

所述旋转公式为：式中，x1和y1为像素点在第二增强图片上的坐标，x2和y2为对应的像素点在旋转图片上的坐标；

S312、使用尺度放缩公式对所述旋转图片进行旋转处理，生成对应的放缩图片；

所述尺度放缩公式为：式中，x3和y3为像素点在放缩图片上的坐标；

S313、使用平移公式对所述放缩图片进行旋转处理，生成对应的第三增强图片；

所述平移公式为：式中，x4和y4为像素点在第三增强图片上的坐标。