[发明专利]显著图像提取方法及装置

说明书

本发明实施例提供一种显著图像提取方法及装置，该方法包括：通过预测模型对原始图像进行第一卷积处理、第一池化处理和归一化处理，得到原始图像的视点信息，视点信息用于指示显著对象在原始图像中的区域；通过预测模型对原始图像进行第二卷积处理和第二池化处理，得到原始图像的语义描述信息，语义描述信息用于描述原始图像中的内容；通过预测模型对视点信息和语义描述信息进行检测处理，得到原始图像的显著图像。用于提高提取显著图像的效率。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种显著图像提取方法及装置。

背景技术

原始图像中通常包括前景图像和背景图像，前景图像通常为原始图像中的显著图像，在实际应用过程中，很多应用场景中需要在原始图像中提取显著图像。

目前，当需要在原始图像中提取显著图像时，先根据原始图像中各个像素的RGB值和各个像素的位置，对原始图像进行分割，得到多个超像素块或图像块，然后采用预设的网络模型对每一个超像素块或者图像块进行特征提取，得到超像素块或图像块的卷积神经网络特征，并根据提取到的卷积神经网络特征获取显著图。在上述过程中，对原始图像进行分割需要消耗较多时间，且对每一个超像素块或每一个图像块进行处理，也需要消耗较多的时间，使得在原始图像中提取显著图像的过程较慢，导致提取显著图像的效率过低。

发明内容

本发明实施例提供一种显著图像提取方法及装置，提高了提取显著图像的效率。

第一方面，本发明实施例提供一种显著图像提取方法，包括：

通过预测模型对所述原始图像进行第一卷积处理、第一池化处理和归一化处理，得到所述原始图像的视点信息，所述视点信息用于指示显著对象在所述原始图像中的区域；

通过所述预测模型对所述原始图像进行第二卷积处理和第二池化处理，得到所述原始图像的语义描述信息，所述语义描述信息用于描述所述原始图像中的内容；

通过所述预测模型对所述视点信息和所述语义描述信息进行检测处理，得到所述原始图像的显著图像。

在一种可能的实施方式中，通过所述预测模型对所述视点信息和所述语义描述信息进行检测处理，得到所述原始图像的显著图像，包括：

在所述语义信息中确定所述视点信息对应的目标语义信息；

根据所述目标语义信息，确定所述显著图像。

在另一种可能的实施方式中，通过所述预测模型对所述视点信息和所述语义描述信息进行检测处理，得到所述原始图像的显著图像之后，还包括：

通过双边线性差值法，对所述显著图像进行缩放处理，以使所述显著图像的尺寸与所述原始图像的尺寸相同；

通过所述巴特沃斯滤波器对所述显著图像进行滤波处理。

在另一种可能的实施方式中，通过预测模型对所述原始图像进行第一卷积处理、第一池化处理和归一化处理，得到原始图像的视点信息之前，还包括：

获取多个样本RGB图像和各所述样本RGB图像对应的人工标注显著图像；

确定多个按照预设顺序执行的处理函数，所述处理函数包括卷积函数、池化函数、归一化函数和激活函数；

根据预设初始参数，对各所述处理函数进行初始化；

通过所述样本RGB图像和各所述人工标注显著图像，修正各所述处理函数的预设初始参数，得到各所述处理函数的处理参数；

根据各所述处理函数、及各所述处理函数的处理参数，确定所述预测模型。

在另一种可能的实施方式中，通过所述样本RGB图像和各所述人工标注显著图像，修正各所述处理函数的预设初始参数，得到各所述处理函数的处理参数，包括：