[发明专利]图像矫正系统及方法、色盲图像矫正系统及方法

权利要求书

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，输出数据为矫正后的矫正图像，其中，

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通过色盲矫正光学镜片进行滤波处理之后再进行第二次抠图，形成第二图像块，由此构成所述矫正图像数据集合，

其中，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。

2.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。

3.如权利要求1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：

，

其中，为像素预测值，为标签中对应像素值。

4.一种图像矫正系统，其特征在于，具备：

矫正图像数据集合构建模块，用于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；

图像矫正模型构建模块，用于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

图像矫正模块，用于将原始图像作为输入数据输入到由所述图像矫正模型构建模块构建的所述图像矫正模型得到矫正后的矫正图像，其中，

所述矫正图像数据集合构建模块具备：

采集子模块，用于采集符合规定要求的图片；

第一图像块形成模块，用于对采集的图片进行第一次抠图形成第一图像块；以及

第二图像块形成模块，用于对于所述第一图像块通过色盲矫正光学镜片进行滤波处理后再进行第二次抠图形成第二图像块，由此构成矫正图像数据集合，

其中，所述图像矫正模型构建模块中，执行下述步骤：

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4所述的图像矫正系统，其特征在于，

所述第一图像块与所述第二图像块一一对应。

6.一种色盲图像矫正方法，其特征在于，利用上述权利要求1~3任意一项所述的方法实现色盲图像矫正方法。

7.一种色盲图像矫正系统，其特征在于，包含上述权利要求4或5所述的图像矫正系统。

8.一种计算机可读介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1~3中任意一项所述方法的步骤。

9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1~3中任意一项所述方法的步骤。