摘要
本申请公开了一种基于深度学习的文档褶皱修复方法,涉及文档图像修复技术领域,方法包括:获取待处理文档的二维图像和点云数据,并将所述二维图像的各像素点和点云数据对齐;计算所述点云数据中各点所处邻域的曲率变化率,并根据各点所处邻域的曲率变化率,计算获得痕迹线;根据所述痕迹线将点云数据划分并生成若干子面,将各所述子面进行局部仿射变换以获得相应的展平子面,拼接各所述展平子面以获得三维表面模型;提取所述二维图像中的图像模态特征,并提取三维表面模型的几何模态特征,融合所述图像模态特征和几何模态特征以获得融合特征;基于所述融合特征,跨模态协同修复二维图像以获得目标图像。本申请实现了修复效果的提升。
技术关键词
模态特征
三维表面模型
修复方法
邻域
融合点云数据
视角
融合特征
融合深度信息
噪声方差
褶皱
结构光条纹
卡尔曼滤波融合
卷曲
跨模态
图像修复技术
协方差矩阵
系统为您推荐了相关专利信息
状态监测信息
代码修复方法
机器人
策略
计算机程序产品
合金电阻
实时检测方法
像素点
图像处理
灰度直方图
扫地机器人
清扫策略
融合注意力机制
物体
识别地面
机器人抓取检测方法
局部注意力机制
通道注意力机制
网络
多尺度膨胀卷积