The present invention relates to an image correction method and an image correction system. The method comprises the following steps: step correction set of image data acquisition, to meet the requirements of the picture according to the picture to construct corrected image data set; model construction steps of image correction, the correction of image data set based on the construction of image correction model using convolutional neural network; and image correction steps, as the original image the input data is input to the image correction model as output corrected image after correction. The invention can be used to assist color blind patients to identify images and watch videos to enhance the perception experience of patients with color blindness, thereby avoiding the loss and risk of color blindness due to inability to distinguish partial colors.
【技术实现步骤摘要】
图像矫正系统及方法、色盲图像矫正系统及方法
本专利技术涉及图像处理技术,更具体而言涉及一种基于深度学习技术的图像矫正系统及方法、色盲图像矫正系统及方法。
技术介绍
现有的色盲矫正的方法基本原理是将图像由RGB空间变换为LMS空间,然后在LMS空间中对色盲患者和正常人的几个视觉参数进行估计,后依据估计结果对图像数据进行简单矩阵变换运算,从而达到色盲矫正功能。这种方法在处理效果上容易出现图像明暗异常、细节文理丢失、图像感观不自然甚至破坏的现象。例如,在专利文件1(申请号:CN201110163363.3)中公开了一种基于手机的色盲图像转换系统及其应用方法。在该专利文件中提出的进行色盲矫正的方法是颜色替代补偿法,分为明暗替代法、加色替代法、划线法三种。其中,颜色替代补偿法的核心是在图像LMS空间中对色盲患者和正常人的几个视觉参数进行估计,而后依据估计结果对图像数据进行简单矩阵运算,从而达到色盲矫正功能。但是,在处理效果上,专利文件1的图像数据处理方法容易出现图像明暗异常、细节文理丢失(这也是该案提出了明暗替代法、加色替代法、划线法三种处理方法的原因)等是图像不自然甚至破坏的现象。
技术实现思路
鉴于上述问题,本专利技术旨在矫正图像清晰可辨并且感官效果良好的基于深度学习技术的图像矫正系统及方法、色盲图像矫正系统及方法。本专利技术的图像矫正方法,其特征在于,包括下述步骤:矫正图像数据集合构建步骤,采集符合规定要求的图片,根据所述图片构建矫正图像数据集合;图像矫正模型构建步骤,基于所述矫正图像数据集合,利用深度卷积神经网络构建图像矫正模型;以及图像矫正步骤,将原始图像作为 ...
【技术保护点】
一种图像矫正方法,其特征在于,包括下述步骤:矫正图像数据集合构建步骤,采集符合规定要求的图片,根据所述图片构建矫正图像数据集合;图像矫正模型构建步骤,基于所述矫正图像数据集合,利用深度卷积神经网络构建图像矫正模型;以及图像矫正步骤,将原始图像作为输入数据输入到所述图像矫正模型作为输出数据得到矫正后的矫正图像。
【技术特征摘要】
1.一种图像矫正方法,其特征在于,包括下述步骤:矫正图像数据集合构建步骤,采集符合规定要求的图片,根据所述图片构建矫正图像数据集合;图像矫正模型构建步骤,基于所述矫正图像数据集合,利用深度卷积神经网络构建图像矫正模型;以及图像矫正步骤,将原始图像作为输入数据输入到所述图像矫正模型作为输出数据得到矫正后的矫正图像。2.如权利要求1所述的图像矫正方法,其特征在于,所述矫正图像数据集合构建步骤包括下述子步骤:采集符合规定要求的图片;对采集的图片进行第一次抠图形成第一图像块;对于所述第一图像块经过滤波处理之后再进行第二次抠图,形成第二图像块。3.如权利要求1所述的图像矫正方法,其特征在于,在所述图像矫正模型构建步骤中,利用卷积层以及激活函数层提取图像特征并且进行非线性映射而构建图像矫正模型。4.如权利要求3所述的图像矫正方法,其特征在于,所述图像矫正模型构建步骤包括下述子步骤:将所述第一图像块作为输入数据、将所述第二图像块作为标签数据,并且将所述输入数据和所述标签数据按照规定比例分为训练集和验证集;根据神经元数量随机初始化网络中待训练参数;将作为图像样本的输入数据输入网络,同时将标签数据作为输出,每进行一次前向传播,依据深度网络输出值和标签值计算均方误差MSE;使用反向传播算法,根据随机梯度下降算法沿着损失下降的方向微调网络的参数值;以及更换图像样本迭代重复上述步骤,直到损失下降到规定程度后停止训练而形成图像矫正模型。5.如权利要求3所述的图像矫正方法,其特征在于,计算所述均方误差MSE如下述公式:
【专利技术属性】
技术研发人员:费志军,王宇,刘想,华锦芝,
申请(专利权)人:中国银联股份有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。