(19)國家知識產(chǎn)權(quán)局(10)申請公布號CN120219246A(21)申請?zhí)?02510712143.3(22)申請日2025.05.30(71)申請人北京天九仁和科技有限公司地址102600北京市大興區(qū)北京經(jīng)濟(jì)技術(shù)開發(fā)區(qū)永昌北路9號1幢4層450-28號(72)發(fā)明人韓福強(qiáng)章華剛王星玥(74)專利代理機(jī)構(gòu)深圳樹賢專利代理事務(wù)所(普通合伙)44705專利代理師楊春女(54)發(fā)明名稱一種圖像修正方法、裝置、系統(tǒng)及存儲介質(zhì)(57)摘要本發(fā)明涉及圖像修正領(lǐng)域，提出了一種圖像修正方法、裝置、系統(tǒng)及存儲介質(zhì)，其中，方法包括通過RGB-D傳感器同步采集目標(biāo)物體的彩色圖像與三維點(diǎn)云數(shù)據(jù)，構(gòu)建彈性網(wǎng)格模型(含剛度屬性)并基于有限元分析實(shí)現(xiàn)高精度曲面展開，生成幾何校正圖像；結(jié)合多光譜陰影分離與生成對抗網(wǎng)絡(luò)(GAN)修復(fù)技術(shù)，消除遮擋陰影并生成光照一致的紋理；最后通過環(huán)境光感知的動(dòng)態(tài)補(bǔ)償優(yōu)化全局光照均勻性。通過上述技術(shù)方案，旨在減小對非平面物體的展開校正的誤差，高效區(qū)2S100、通過RGB-D傳感器同步采集目標(biāo)物體的彩色圖像與三維點(diǎn)云數(shù)據(jù)；S200、根據(jù)所述三維點(diǎn)云數(shù)據(jù)構(gòu)建目標(biāo)物體的彈性網(wǎng)格模型，所述彈性網(wǎng)格模型由節(jié)點(diǎn)、邊及面片構(gòu)成的離散化網(wǎng)格組成，所述節(jié)點(diǎn)對應(yīng)三維點(diǎn)云中的空間坐標(biāo)，所述邊連接相鄰節(jié)點(diǎn)并賦予剛度屬性，所述面片由邊圍合形成，用于計(jì)算形變能量；S300、基于有限元分析算法，通過最小化形變能量函數(shù)計(jì)算所述彈性網(wǎng)格模型的展開S400、通過多光譜光源照射目標(biāo)物體，采集可見光波段與近紅外波段的反射數(shù)據(jù)，分離所述彩色圖像中的陰影區(qū)域與真實(shí)內(nèi)容區(qū)域，輸出陰影區(qū)域掩膜；S500、將所述初步校正圖像與所述陰影區(qū)域掩膜輸入生成對抗網(wǎng)絡(luò)，生成陰影修復(fù)后S600、實(shí)時(shí)獲取環(huán)境光傳感器的色溫與亮度數(shù)據(jù)，動(dòng)態(tài)調(diào)整補(bǔ)光燈的照明參數(shù)，對陰影修復(fù)后的圖像進(jìn)行自適應(yīng)光照補(bǔ)償；S700、輸出經(jīng)曲面校正、陰影修復(fù)與光照補(bǔ)償后的目標(biāo)圖像。2.根據(jù)權(quán)利要求1所述的一種圖像修正方法，其特征在于，步驟S200中，所述邊的剛度屬性根據(jù)目標(biāo)物體的材質(zhì)屬性動(dòng)態(tài)調(diào)整，具體包括：通過預(yù)設(shè)的材質(zhì)數(shù)據(jù)庫匹配目標(biāo)物體的剛度系數(shù)；或通過所述三維點(diǎn)云數(shù)據(jù)擬合局部曲率，動(dòng)態(tài)調(diào)整所述邊的剛度屬性。3.根據(jù)權(quán)利要求1所述的一種圖像修正方法，其特征在于，步驟S300中，所述有限元分析算法具體包括：將所述彈性網(wǎng)格模型離散化為有限元單元；定義邊界條件為網(wǎng)格邊緣固定約束；通過能量最小化原則計(jì)算所述網(wǎng)格展開后的平面坐標(biāo)。4.根據(jù)權(quán)利要求1所述的一種圖像修正方法，其特征在于，步驟S300還包括：將所述初步校正圖像與所述彩色圖像輸入至預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)，輸出融合后的高精度校正圖像；所述卷積神經(jīng)網(wǎng)絡(luò)的損失函數(shù)包含結(jié)構(gòu)保真度約束與邊緣連續(xù)性約束。5.根據(jù)權(quán)利要求1所述的一種圖像修正方法，其特征在于，步驟S400中，所述陰影區(qū)域分離的具體方法為：計(jì)算可見光波段與近紅外波段的反射率差異，若某區(qū)域在可見光波段亮度低于第一閾值且近紅外波段反射率高于第二閾值，則判定為陰影區(qū)域；對判定為陰影的區(qū)域進(jìn)行掩膜標(biāo)記。6.根據(jù)權(quán)利要求5所述的一種圖像修正方法，其特征在于，步驟S500中，所述生成對抗網(wǎng)絡(luò)的生成器采用U-Net結(jié)構(gòu)，其輸入為所述彩色圖像、所述陰影區(qū)域掩膜、所述環(huán)境光傳感器采集的實(shí)時(shí)色溫與亮度參數(shù)；輸出為與周圍光照一致的修復(fù)紋理。7.根據(jù)權(quán)利要求1所述的一種圖像修正方法，其特征在于，步驟S600中，所述動(dòng)態(tài)調(diào)整補(bǔ)光燈參數(shù)的方法包括：通過卡爾曼濾波算法預(yù)測環(huán)境光變化趨勢；根據(jù)預(yù)測結(jié)構(gòu)調(diào)整補(bǔ)光燈的RGB通道強(qiáng)度與色溫，使得目標(biāo)物體表面照度均勻度達(dá)到3預(yù)設(shè)閾值。彈性網(wǎng)格模塊，根據(jù)所述三維點(diǎn)云數(shù)據(jù)構(gòu)建目標(biāo)物體的彈性網(wǎng)格模型，所述彈性網(wǎng)格模型由節(jié)點(diǎn)、邊及面片構(gòu)成的離散化網(wǎng)格組成，所述節(jié)點(diǎn)對應(yīng)三維點(diǎn)云中的空間坐標(biāo)，所述邊連接相鄰節(jié)點(diǎn)并賦予剛度屬性，所述面片由邊圍合形成，用于計(jì)算形變能量；初步校正模塊，基于有限元分析算法，通過最小化形變能量函數(shù)計(jì)算所述彈性網(wǎng)格模多光譜光源模組與分離模塊，通過多光譜光源照射目標(biāo)物體，采集可見光波段與近紅外波段的反射數(shù)據(jù)，分離所述彩色圖像中的陰影區(qū)域與真實(shí)內(nèi)容區(qū)域，輸出陰影區(qū)域掩膜；陰影修復(fù)模塊，將所述初步校正圖像與所述陰影區(qū)域掩膜輸入生成對抗網(wǎng)絡(luò)，生成陰影修復(fù)后的圖像；環(huán)境光傳感器陣列與光照補(bǔ)償模塊，實(shí)時(shí)獲取環(huán)境光傳感器的色溫與亮度數(shù)據(jù)，動(dòng)態(tài)調(diào)整補(bǔ)光燈的照明參數(shù)，對陰影修復(fù)后的圖像進(jìn)行自適應(yīng)光照補(bǔ)償；圖像輸出模塊，輸出經(jīng)曲面校正、陰影修復(fù)與光照補(bǔ)償后的目標(biāo)圖像。一個(gè)或多個(gè)處理器，用于從所述存儲器中調(diào)用并運(yùn)行所述指令，執(zhí)行如權(quán)利要求1至7中任意一項(xiàng)所述的方法。10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲介質(zhì)包括：程序，當(dāng)所述程序被處理器運(yùn)行時(shí)，如權(quán)利要求1至7中任意一項(xiàng)所述的方法被執(zhí)行。4一種圖像修正方法、裝置、系統(tǒng)及存儲介質(zhì)技術(shù)領(lǐng)域[0001]本發(fā)明涉及圖像修正領(lǐng)域，具體的，涉及一種圖像修正方法、裝置、系統(tǒng)及存儲介背景技術(shù)[0002]當(dāng)前圖像修正技術(shù)主要涵蓋幾何校正、陰影消除與光照補(bǔ)償?shù)确较?。幾何校正領(lǐng)域，傳統(tǒng)方法依賴于二維圖像處理算法，例如通過邊緣檢測或特征點(diǎn)匹配實(shí)現(xiàn)仿射變換或投影變換，將傾斜、彎曲的圖像區(qū)域調(diào)整為平面視圖。針對陰影干擾問題，主流方案包括基于閾值分割的陰影檢測結(jié)合直方圖拉伸補(bǔ)償，或利用深度學(xué)習(xí)模型對陰影區(qū)域進(jìn)行內(nèi)容生成修復(fù)。在光照補(bǔ)償方面，現(xiàn)有技術(shù)多采用固定參數(shù)的自動(dòng)白平衡算法或人工調(diào)整補(bǔ)光燈亮度以改善光照均勻性。此外，基于深度學(xué)習(xí)的超分辨率重建技術(shù)也被用于圖像細(xì)節(jié)恢復(fù)。[0003]盡管上述方法已部分解決基礎(chǔ)圖像修正需求，但在復(fù)雜場景中仍存在顯著局限性。傳統(tǒng)幾何校正方法依賴二維圖像特征，無法感知目標(biāo)物體的三維形變特性，導(dǎo)致對裝訂書籍、褶皺紙張等非平面物體的展開校正存在顯著誤差，且在處理曲面邊緣時(shí)易引發(fā)紋理拉伸或斷裂。在光照處理方面，基于顏色閾值的陰影分割算法難以區(qū)分真實(shí)內(nèi)容與陰影區(qū)域，尤其在低對比度或復(fù)雜材質(zhì)表面易產(chǎn)生誤判，造成信息丟失或過曝。現(xiàn)有白平衡與補(bǔ)光技術(shù)多采用固定參數(shù)或滯后響應(yīng)機(jī)制，無法實(shí)時(shí)適應(yīng)動(dòng)態(tài)環(huán)境光變化，導(dǎo)致色溫波動(dòng)與照度不均。此外，基于純數(shù)據(jù)驅(qū)動(dòng)的深度學(xué)習(xí)修復(fù)方法依賴于大規(guī)模二維訓(xùn)練集，對多模態(tài)物理信息(如三維幾何、材質(zhì)屬性)缺乏融合能力，在生成復(fù)雜紋理時(shí)易出現(xiàn)語義失真或邏輯矛盾，且依賴高性能計(jì)算設(shè)備，難以在嵌入式終端實(shí)現(xiàn)實(shí)時(shí)處理。發(fā)明內(nèi)容[0004]本發(fā)明提出一種圖像修正方法、裝置、系統(tǒng)及存儲介質(zhì)，旨在減小對非平面物體的展開校正的誤差，高效區(qū)分真實(shí)內(nèi)容與陰影區(qū)域，實(shí)時(shí)適應(yīng)動(dòng)態(tài)環(huán)境光變化，提高復(fù)雜紋理生成能力。[0005]本發(fā)明的技術(shù)方案如下：S100、通過RGB-D傳感器同步采集目標(biāo)物體的彩色圖像與三維點(diǎn)云數(shù)據(jù)；S200、根據(jù)所述三維點(diǎn)云數(shù)據(jù)構(gòu)建目標(biāo)物體的彈性網(wǎng)格模型，所述彈性網(wǎng)格模型由節(jié)點(diǎn)、邊及面片構(gòu)成的離散化網(wǎng)格組成，所述節(jié)點(diǎn)對應(yīng)三維點(diǎn)云中的空間坐標(biāo)，所述邊連接相鄰節(jié)點(diǎn)并賦予剛度屬性，所述面片由邊圍合形成，用于計(jì)算形變能量；S300、基于有限元分析算法，通過最小化形變能量函數(shù)計(jì)算所述彈性網(wǎng)格模型的S400、通過多光譜光源照射目標(biāo)物體，采集可見光波段與近紅外波段的反射數(shù)據(jù)，分離所述彩色圖像中的陰影區(qū)域與真實(shí)內(nèi)容區(qū)域，輸出陰影區(qū)域掩膜；S500、將所述初步校正圖像與所述陰影區(qū)域掩膜輸入生成對抗網(wǎng)絡(luò)，生成陰影修5復(fù)后的圖像；S600、實(shí)時(shí)獲取環(huán)境光傳感器的色溫與亮度數(shù)據(jù)，動(dòng)態(tài)調(diào)整補(bǔ)光燈的照明參數(shù)，對陰影修復(fù)后的圖像進(jìn)行自適應(yīng)光照補(bǔ)償；S700、輸出經(jīng)曲面校正、陰影修復(fù)與光照補(bǔ)償后的目標(biāo)圖像。[0006]在一種可能的實(shí)施方式中，步驟S200中，所述邊的剛度屬性根據(jù)目標(biāo)物體的材質(zhì)通過預(yù)設(shè)的材質(zhì)數(shù)據(jù)庫匹配目標(biāo)物體的剛度系數(shù)；或通過所述三維點(diǎn)云數(shù)據(jù)擬合局部曲率，動(dòng)態(tài)調(diào)整所述邊的剛度屬性。[0007]在一種可能的實(shí)施方式中，步驟S300中，所述有限元分析算法具體包括：將所述彈性網(wǎng)格模型離散化為有限元單元；定義邊界條件為網(wǎng)格邊緣固定約束；通過能量最小化原則計(jì)算所述網(wǎng)格展開后的平面坐標(biāo)。[0008]在一種可能的實(shí)施方式中，步驟S300還包括：將所述初步校正圖像與所述彩色圖像輸入至預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)，輸出融合后的高精度校正圖像；所述卷積神經(jīng)網(wǎng)絡(luò)的損失函數(shù)包含結(jié)構(gòu)保真度約束與邊緣連續(xù)性約束。[0009]在一種可能的實(shí)施方式中，步驟S400中，所述陰影區(qū)域分離的具體方法為：計(jì)算可見光波段與近紅外波段的反射率差異，若某區(qū)域在可見光波段亮度低于第一閾值且近紅外波段反射率高于第二閾值，則判定為陰影區(qū)域；對判定為陰影的區(qū)域進(jìn)行掩膜標(biāo)記。[0010]在一種可能的實(shí)施方式中，步驟S500中，所述生成對抗網(wǎng)絡(luò)的生成器采用U-Net結(jié)構(gòu)，其輸入為所述彩色圖像、所述陰影區(qū)域掩膜、所述環(huán)境光傳感器采集的實(shí)時(shí)色溫與亮度參數(shù)；輸出為與周圍光照一致的修復(fù)紋理。[0011]在一種可能的實(shí)施方式中，步驟S600中，所述動(dòng)態(tài)調(diào)整補(bǔ)光燈參數(shù)的方法包括：通過卡爾曼濾波算法預(yù)測環(huán)境光變化趨勢；根據(jù)預(yù)測結(jié)構(gòu)調(diào)整補(bǔ)光燈的RGB通道強(qiáng)度與色溫，使得目標(biāo)物體表面照度均勻度達(dá)到預(yù)設(shè)閾值。RGB-B傳感器模組，通過RGB-D傳感器同步采集目標(biāo)物體的彩色圖像與三維點(diǎn)云數(shù)彈性網(wǎng)格模塊，根據(jù)所述三維點(diǎn)云數(shù)據(jù)構(gòu)建目標(biāo)物體的彈性網(wǎng)格模型，所述彈性網(wǎng)格模型由節(jié)點(diǎn)、邊及面片構(gòu)成的離散化網(wǎng)格組成，所述節(jié)點(diǎn)對應(yīng)三維點(diǎn)云中的空間坐標(biāo)，所述邊連接相鄰節(jié)點(diǎn)并賦予剛度屬性，所述面片由邊圍合形成，用于計(jì)算形變能量；初步校正模塊，基于有限元分析算法，通過最小化形變能量函數(shù)計(jì)算所述彈性網(wǎng)格模型的展開形態(tài)，生成初步校正圖像；多光譜光源模組與分離模塊，通過多光譜光源照射目標(biāo)物體，采集可見光波段與近紅外波段的反射數(shù)據(jù)，分離所述彩色圖像中的陰影區(qū)域與真實(shí)內(nèi)容區(qū)域，輸出陰影區(qū)域陰影修復(fù)模塊，將所述初步校正圖像與所述陰影區(qū)域掩膜輸入生成對抗網(wǎng)絡(luò)，生6成陰影修復(fù)后的圖像；環(huán)境光傳感器陣列與光照補(bǔ)償模塊，實(shí)時(shí)獲取環(huán)境光傳感器的色溫與亮度數(shù)據(jù)，動(dòng)態(tài)調(diào)整補(bǔ)光燈的照明參數(shù)，對陰影修復(fù)后的圖像進(jìn)行自適應(yīng)光照補(bǔ)償；圖像輸出模塊，輸出經(jīng)曲面校正、陰影修復(fù)與光照補(bǔ)償后的目標(biāo)圖像。一個(gè)或多個(gè)處理器，用于從所述存儲器中調(diào)用并運(yùn)行所述指令，執(zhí)行如上述任意一項(xiàng)所述的圖像修正方法。[0014]一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)包括：程序，當(dāng)所述程序被處理器運(yùn)行時(shí)，如上述任意一項(xiàng)所述的圖像修正方法被執(zhí)行。[0015]本發(fā)明的工作原理及有益效果為：本發(fā)明技術(shù)方案通過基于RGB-D傳感器的三維點(diǎn)云數(shù)據(jù)與彈性網(wǎng)格物理仿真，突破傳統(tǒng)2D幾何校正對平面假設(shè)的依賴，精準(zhǔn)還原曲面物體的展開形態(tài)，消除裝訂書籍、褶皺紙張的形變誤差；其次，多光譜陰影分離結(jié)合GAN紋理修復(fù)，通過可見光與近紅外的反射特性差異區(qū)分真實(shí)內(nèi)容與陰影，并生成物理合理的修復(fù)紋理，克服單一可見光閾值分割的誤判缺陷；同時(shí)，動(dòng)態(tài)光照補(bǔ)償通過實(shí)時(shí)環(huán)境光感知與預(yù)測算法，實(shí)現(xiàn)毫秒級自適應(yīng)調(diào)光，解決傳統(tǒng)固定補(bǔ)光導(dǎo)致的色溫波動(dòng)與局部過曝問題；最終，嵌入式端到端處理流程在低成本硬件中達(dá)成高效率輸出，打破深度學(xué)習(xí)模型對高性能計(jì)算設(shè)備的依賴。各步驟環(huán)環(huán)相扣，從數(shù)據(jù)采集、模型構(gòu)建到實(shí)時(shí)補(bǔ)償形成完整技術(shù)閉環(huán)，顯著提升復(fù)雜場景下的圖像修正精度與魯棒性。附圖說明[0016]下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。[0017]圖1為實(shí)施例1中一種圖像修正方法的流程圖；圖2為實(shí)施例2中一種圖像修正裝置的結(jié)構(gòu)框圖。具體實(shí)施方式[0018]下面將結(jié)合本發(fā)明實(shí)施例，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都涉及本發(fā)明保護(hù)的范圍。[0019]實(shí)施例1[0020]如圖1所示，本實(shí)施例提出了一種圖像修正方法，包括以下步驟：S100、通過RGB-D傳感器同步采集目標(biāo)物體的彩色圖像與三維點(diǎn)云數(shù)據(jù)。[0021]步驟S100通過同步獲取目標(biāo)物體的彩色圖像與三維點(diǎn)云數(shù)據(jù)，為后續(xù)處理提供幾何與紋理的雙模態(tài)信息，突破傳統(tǒng)2D圖像依賴單一視覺數(shù)據(jù)的局限，實(shí)現(xiàn)物體表面三維形變的精確建模，解決二維幾何校正中因缺乏深度信息導(dǎo)致的曲面展開誤差問題。[0022]S200、根據(jù)三維點(diǎn)云數(shù)據(jù)構(gòu)建目標(biāo)物體的彈性網(wǎng)格模型，彈性網(wǎng)格模型由節(jié)點(diǎn)、邊及面片構(gòu)成的離散化網(wǎng)格組成，節(jié)點(diǎn)對應(yīng)三維點(diǎn)云中的空間坐標(biāo)，邊連接相鄰節(jié)點(diǎn)并賦予7步驟S200將目標(biāo)物體的三維幾何形狀轉(zhuǎn)化為可計(jì)算的彈性力學(xué)模型，為后續(xù)物理仿真提供結(jié)構(gòu)化輸入。其通過引入剛度屬性和網(wǎng)格離散化，能夠精確模擬不同材質(zhì)(如紙張、皮革)的形變行為，避免傳統(tǒng)2D校正方法因忽略三維幾何導(dǎo)致的拉伸或扭曲失真；同時(shí)，彈性網(wǎng)格的物理參數(shù)(如剛度)可根據(jù)材質(zhì)或曲率動(dòng)態(tài)調(diào)整，顯著提升曲面展開的準(zhǔn)確性，尤其適用于裝訂書籍、褶皺紙張等復(fù)雜形變場景，為后續(xù)步驟生成高保真校正圖像奠定基礎(chǔ)。[0023]S300、基于有限元分析算法，通過最小化形變能量函數(shù)計(jì)算彈性網(wǎng)格模型的展開步驟S300將彈性網(wǎng)格從三維形變狀態(tài)物理仿真為平面形態(tài)，實(shí)現(xiàn)幾何畸變的自動(dòng)校正。有限元分析通過能量最小化原則(如平衡拉伸與彎曲能量)確保展開過程的物理合理性，避免人工干預(yù)導(dǎo)致的誤差；結(jié)合彈性網(wǎng)格的剛度屬性，能夠自適應(yīng)處理局部形變差異(如書本中縫與平整頁面的不同剛度需求),輸出幾何比例準(zhǔn)確的平面圖像；同時(shí)，該步驟為后續(xù)陰影修復(fù)和光照補(bǔ)償提供了幾何基準(zhǔn)，提升整體圖像修正的精度與效率。[0024]S400、通過多光譜光源照射目標(biāo)物體，采集可見光波段與近紅外波段的反射數(shù)據(jù)，分離彩色圖像中的陰影區(qū)域與真實(shí)內(nèi)容區(qū)域，輸出陰影區(qū)域掩膜。[0025]步驟S400利用可見光與近紅外波段反射特性差異，精準(zhǔn)區(qū)分陰影區(qū)域與真實(shí)內(nèi)容(如深色文字、污漬),誤判率大大降低，有效避免因錯(cuò)誤修復(fù)導(dǎo)致的信息丟失或語義失真。[0026]S500、將初步校正圖像與陰影區(qū)域掩膜輸入生成對抗網(wǎng)絡(luò)，生成陰影修復(fù)后的圖步驟S500通過融合幾何校正結(jié)果與多光譜陰影檢測數(shù)據(jù)，確保修復(fù)內(nèi)容與物體展開后的形態(tài)嚴(yán)格匹配，避免傳統(tǒng)方法中因幾何畸變殘留導(dǎo)致的紋理錯(cuò)位；生成對抗網(wǎng)絡(luò)基于掩膜引導(dǎo)的修復(fù)能夠生成與周圍光照環(huán)境無縫銜接的填充紋理，解決閾值分割或插值修復(fù)常見的邊緣偽影問題；輸出完整的修復(fù)后圖像(而非局部填充內(nèi)容),為后續(xù)光照補(bǔ)償(S600)提供統(tǒng)一的處理基準(zhǔn)，最終提升整體圖像修正的視覺一致性與可用性(如OCR識別率)。[0027]S600、實(shí)時(shí)獲取環(huán)境光傳感器的色溫與亮度數(shù)據(jù)，動(dòng)態(tài)調(diào)整補(bǔ)光燈的照明參數(shù)，對陰影修復(fù)后的圖像進(jìn)行自適應(yīng)光照補(bǔ)償。[0028]步驟S600通過環(huán)境光傳感器實(shí)時(shí)反饋與卡爾曼濾波預(yù)測，動(dòng)態(tài)調(diào)整補(bǔ)光燈參數(shù)，提升目標(biāo)表面照度均勻度，降低色溫波動(dòng)標(biāo)準(zhǔn)差，克服固定補(bǔ)光策略在動(dòng)態(tài)環(huán)境中的滯后性與不穩(wěn)定性。[0029]S700、輸出經(jīng)曲[0030]步驟S700融合幾何校正、陰影修復(fù)與光照補(bǔ)償結(jié)果，輸出高保真平面化圖像，可直[0031]本實(shí)施例中，步驟S200中，邊的剛度屬性根據(jù)目標(biāo)物體的材質(zhì)屬性動(dòng)態(tài)調(diào)整，具體通過預(yù)設(shè)的材質(zhì)數(shù)據(jù)庫匹配目標(biāo)物體的剛度系數(shù)；具體的，材質(zhì)數(shù)據(jù)庫存儲常見材質(zhì)的標(biāo)準(zhǔn)物理參數(shù)，包泊松比(v)、彎曲剛度(k)。實(shí)際應(yīng)用中，通過用戶輸入或圖像識別確定目標(biāo)物體材質(zhì)類型8整方式可自適應(yīng)處理未知材質(zhì)或復(fù)雜形變區(qū)域(如書本中縫、褶皺),通過剛度系數(shù)與曲率的關(guān)聯(lián)性(曲率越大剛度越高)自動(dòng)優(yōu)化網(wǎng)格形變行為。兩種方式在部分自由邊緣(如未裝訂的書頁),可定義部分節(jié)點(diǎn)為自由邊界(△x,△y可變),通過施彈性勢能建模：基于彈性網(wǎng)格模型的材質(zhì)屬性9[0039]有限元分析通過物理驅(qū)動(dòng)的數(shù)值仿真，將目標(biāo)物體的三維幾何形變轉(zhuǎn)化為可量化的力學(xué)模型，通過物理仿真替代傳統(tǒng)幾何插值，消除因忽略材料力學(xué)特性導(dǎo)致的形變誤差，實(shí)現(xiàn)以下核心功能：1、高精度曲面展開：基于材質(zhì)屬性的彈性勢能最小化，模擬真實(shí)物體的展開過程(如書籍彎曲頁面的自然展平),避免拉伸、壓縮導(dǎo)致的紋理失真。[0040]2、自適應(yīng)形變補(bǔ)償：通過動(dòng)態(tài)調(diào)整物理參數(shù)(E,v,K),適配不同材質(zhì)(如柔軟布料與硬質(zhì)塑料)的校正需求。零件、生物組織等特殊對象的處理能力。將初步校正圖像與彩色圖像輸入至預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)，輸出融合后的高精度校正圖像；其中，初步校正圖像為由物理仿真生成的幾何校正圖像，可能殘留局部形變誤差[0043]本實(shí)施例中，卷積神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)物理仿真未覆蓋的局部形變模式(如微小褶皺、材質(zhì)各向異性),彌補(bǔ)物理模型的理想化假設(shè)缺陷。同時(shí)，融合原始彩色圖像的高頻紋理(如文字筆畫、金屬劃痕),恢復(fù)物理仿真中丟失的細(xì)節(jié)。強(qiáng)制邊緣連續(xù)性與結(jié)構(gòu)對齊，避免物理展開導(dǎo)致的斷裂或錯(cuò)位。[0044]卷積神經(jīng)網(wǎng)絡(luò)的損失函數(shù)包含結(jié)構(gòu)保真度約束與邊緣連續(xù)性約束。[0045]結(jié)構(gòu)保真度約束通過融合結(jié)構(gòu)相似性(SSIM)、像素級均方誤差(MSE)與感知損失(VGG特征匹配),確保校正圖像在整體布局、語義內(nèi)容上與真實(shí)圖像一致，例如古籍書頁的段落排版、工業(yè)零件的幾何形狀不產(chǎn)生形變或扭曲，解決傳統(tǒng)方法因單一像素?fù)p失導(dǎo)致的模糊或結(jié)構(gòu)錯(cuò)位問題。邊緣連續(xù)性約束通過Sobel梯度算子強(qiáng)制邊緣對齊，消除物理仿真展開后可能殘留的鋸齒、斷裂或模糊偽影，例如修復(fù)裝訂書籍中縫處的文字邊緣斷裂。雙約束協(xié)同作用形成從全局到局部、從語義到像素的多層級優(yōu)化。計(jì)算可見光波段與近紅外波段的反射率差異，若某區(qū)域在可見光波段亮度低于第一閾值且近紅外波段反射率高于第二閾值，則判定為陰影區(qū)域；第一閾值的設(shè)定依照可見光反射率閾值低于此值視為低亮度區(qū)域；第二閾值的設(shè)定依照NIR反射率閾值高于此值表明非吸光材質(zhì)。第一閾值和第二閾值根據(jù)不同的目標(biāo)物體的材質(zhì)屬性動(dòng)態(tài)調(diào)整。[0047]本實(shí)施例的陰影區(qū)域分離方法利用陰影區(qū)域在可見光(低反射)與近紅外(高反射)的光譜分離特性，突破傳統(tǒng)單波段閾值法無法區(qū)分陰影與深色內(nèi)容的局限。通過材質(zhì)自[0048]對判定為陰影的區(qū)域進(jìn)行掩膜標(biāo)記。[0049]通過掩膜標(biāo)記為后續(xù)GAN修復(fù)提供可靠輸入，避免錯(cuò)誤區(qū)域生成導(dǎo)致的語義矛盾。[0050]本實(shí)施例中，步驟S500中，生成對抗網(wǎng)絡(luò)的生成器采用U-Net結(jié)構(gòu)，其輸入為彩色圖像、陰影區(qū)域掩膜、環(huán)境光傳感器采集的實(shí)時(shí)色溫與亮度參數(shù)；輸出為與周圍光照一致的修復(fù)紋理。纖維走向、光照方向),解碼器恢復(fù)細(xì)節(jié)(如文字筆畫、材質(zhì)顆粒),通過跳躍連接保留高頻信息。同時(shí)，在跳躍連接中嵌入空間注意力模塊，優(yōu)先聚焦掩膜邊界與高梯度區(qū)域(如文字邊緣)。并將環(huán)境光參數(shù)編碼為條件向量，動(dòng)態(tài)調(diào)整網(wǎng)絡(luò)中間層的特征分布。[0052]具體的，彩色圖像用于提供修復(fù)區(qū)域的上下文信息(如周圍紋理、顏色分布),確保生成內(nèi)容與整體場景一致；陰影區(qū)域掩膜用于精準(zhǔn)定位需修復(fù)的像素范圍，避免生成器對非陰影區(qū)域的誤操作；環(huán)境光參數(shù)(色溫、亮度)用于動(dòng)態(tài)注入實(shí)時(shí)光照條件(如色溫5000K、亮度200lux),指導(dǎo)生成器輸出與環(huán)境光匹配的修復(fù)內(nèi)容。通過卡爾曼濾波算法預(yù)測環(huán)境光變化趨勢；根據(jù)預(yù)測結(jié)構(gòu)調(diào)整補(bǔ)光燈的RGB通道強(qiáng)度與色溫，使得目標(biāo)物體表面照度均勻度達(dá)到預(yù)設(shè)閾值。[0054]卡爾曼濾波算法通過狀態(tài)方程與觀測方程構(gòu)建環(huán)境光(色溫、亮度)的動(dòng)態(tài)變化模型，實(shí)時(shí)融合傳感器觀測數(shù)據(jù)與歷史狀態(tài)，預(yù)測未來短時(shí)(如100ms)的光照變化趨勢。同時(shí)，濾除傳感器噪聲(如瞬時(shí)閃光干擾),提升預(yù)測結(jié)果的穩(wěn)定性。[0055]本申請實(shí)施例1可以基于人工智能技術(shù)對相關(guān)的數(shù)據(jù)進(jìn)行獲取和處理。其中，人工智能(ArtificialIntelligence,AI)是利用數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器模擬、延伸和擴(kuò)展人的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、方法、技術(shù)及應(yīng)用系統(tǒng)。[0056]人工智能基礎(chǔ)技術(shù)一般包括如傳感器、專用人工智能芯片、云計(jì)算、分布式存儲、大數(shù)據(jù)處理技術(shù)、操作/交互系統(tǒng)、機(jī)電一體化等技術(shù)。人工智能軟件技術(shù)主要包括計(jì)算機(jī)視覺技術(shù)、機(jī)器人技術(shù)、生物識別技術(shù)、語音處理技術(shù)、自然語言處理度學(xué)習(xí)等幾大方向。[0057]本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過計(jì)算機(jī)可讀指令來指令相關(guān)的硬件來完成，該計(jì)算機(jī)可讀指令可存儲于一計(jì)算機(jī)可讀取存儲介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。其中，前述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(Read-0nlyMemory,ROM機(jī)存儲記憶體(RandomAccessMemory,RAM)等。[0058]應(yīng)該理解的是，雖然附圖的流程圖中的各個(gè)步驟按照箭頭的指示依次顯示，但是這些步驟并不是必然按照箭頭指示的順序依次執(zhí)行。除非本文中有明確的說明，這些步驟的執(zhí)行并沒有嚴(yán)格的順序限制，其可以以其他的順序執(zhí)行。而且，附圖的流程圖中的至少一部分步驟可以包括多個(gè)子步驟或者多個(gè)階段，這些子步驟或者階段并不必然是在同一時(shí)刻執(zhí)行完成，而是可以在不同的時(shí)刻執(zhí)行，其執(zhí)行順序也不必然是依次進(jìn)行，而是可以與其他步驟或者其他步驟的子步驟或者階段的至少一部分輪流或者交替地執(zhí)行。[0060]進(jìn)一步參考圖2,作為對上述實(shí)施例1所示方法的實(shí)現(xiàn)，實(shí)施例2提供了一種圖像修正裝置，該裝置實(shí)施例與實(shí)施例1所示的方法實(shí)施例相對應(yīng)。RGB-B傳感器模組，通過RGB-D傳感器同步采集目標(biāo)物體的彩色圖像與三維點(diǎn)云數(shù)11[0062]RGB-B傳感器模組通過同步采集目標(biāo)物體的彩色圖像和三維點(diǎn)云數(shù)據(jù)，為后續(xù)處理提供精確的幾何與色彩信息基礎(chǔ)，結(jié)合深度信息能夠準(zhǔn)確還原物體三維形態(tài)，克服傳統(tǒng)二維圖像采集在復(fù)雜曲面場景下的數(shù)據(jù)缺失問題，確保后續(xù)校正模塊的輸入數(shù)據(jù)完整性。[0063]彈性網(wǎng)格模塊，根據(jù)三維點(diǎn)云數(shù)據(jù)構(gòu)建目標(biāo)物體的彈性網(wǎng)格模型，彈性網(wǎng)格模型由節(jié)點(diǎn)、邊及面片構(gòu)成的離散化網(wǎng)格組成，節(jié)點(diǎn)對應(yīng)三維點(diǎn)云中的空間坐標(biāo)，邊連接相鄰節(jié)[0064]彈性網(wǎng)格模塊將三維點(diǎn)云轉(zhuǎn)化為包含節(jié)點(diǎn)、邊和面片的彈性網(wǎng)格模型，通過賦予邊剛度屬性和面片形變能量計(jì)算能力，建立可物理仿真的數(shù)字化模型，實(shí)現(xiàn)從幾何數(shù)據(jù)到力學(xué)模型的轉(zhuǎn)換，為高精度形變校正提供可計(jì)算的彈性力學(xué)框架，顯著提升復(fù)雜曲面物體形變模擬的準(zhǔn)確性。[0065]初步校正模塊，基于有限元分析算法，通過最小化形變能量函數(shù)計(jì)算彈性網(wǎng)格模[0066]基于有限元分析算法對彈性網(wǎng)格模型進(jìn)行能量最小化計(jì)算，通過物理仿真實(shí)現(xiàn)三維曲面到二維平面的高保真展開，突破傳統(tǒng)幾何變換方法的局限性，保持物體紋理和結(jié)構(gòu)的自然比例，為后續(xù)圖像處理步驟提供幾何基準(zhǔn)。[0067]多光譜光源模組與分離模塊，通過多光譜光源照射目標(biāo)物體，采集可見光波段與近紅外波段的反射數(shù)據(jù)，分離彩色圖像中的陰影區(qū)域與真實(shí)內(nèi)容區(qū)域，輸出陰影區(qū)域掩膜。[0068]多光譜光源模組與分離模塊利用可見光與近紅外波段的多光譜反射特性差異，精準(zhǔn)區(qū)分圖像中的陰影區(qū)域與真實(shí)內(nèi)容，通過雙波段分析克服