[发明专利]对图像进行语义分割的方法

权利要求书

1.一种用于对具有二维像素排布的图像(20)进行语义分割的方法，该方法包括以下步骤：

将所述图像的至少一部分分割成超像素(30)，其中，所述超像素(30)是包括具有相似图像特征的多个像素的相干图像区域；

确定所述超像素的图像描述符，其中，每个图像描述符都包括多个图像特征；

将所述超像素的所述图像描述符馈送至卷积网络(40)；以及

借助于所述卷积网络(40)，根据语义类别来标注所述图像(20)的像素，其中，

所述超像素(30)被指派给跨所述图像(20)延伸的网格结构(37)的对应位置，并且基于所述指派，所述图像描述符被馈送至所述卷积网络(40)，

其特征在于，

所述网格结构(37)是规则网格结构，其中，将所述超像素(30)指派给所述规则网格结构(37)的对应位置的步骤借助于网格投影处理来执行。

2.根据权利要求1所述的方法，

其特征在于，

所述图像描述符被馈送至卷积神经网络(CNN)。

3.根据前述权利要求中任一项所述的方法，

其特征在于，

将所述图像(20)的至少一部分割成超像素(30)的步骤借助于迭代聚类算法执行，特别是借助于简单线性迭代聚类算法(SLIC)来执行。

4.根据权利要求3所述的方法，

其特征在于，

所述迭代聚类算法包括多个迭代步骤，特别是至少5个迭代步骤，其中，所述规则网格结构(37)从第一迭代步骤提取。

5.根据权利要求4所述的方法，

其特征在于，

由最后迭代步骤生成的所述超像素(30)被匹配至从所述第一迭代步骤提取出的所述规则网格结构(37)。

6.根据权利要求4或5所述的方法，

其特征在于，

所述规则网格结构(37)基于由所述第一迭代步骤生成的那些超像素(30)的中心的位置来生成。

7.根据前述权利要求中任一项所述的方法，

其特征在于，

所述卷积网络(40)包括10个或更少的层，优选地包括5个或更少的层。

8.根据权利要求7所述的方法，

其特征在于，

所述卷积网络(40)由两个卷积层和两个全连接层组成。

9.根据前述权利要求中任一项所述的方法，

其特征在于，

所述图像描述符中的每一个图像描述符都包括至少30个图像特征，优选地包括至少50个图像特征，并且更优选地包括至少80个图像特征。

10.根据前述权利要求中任一项所述的方法，

其特征在于，

所述图像描述符中的每一个图像描述符都包括多个“定向梯度直方图”(HOG)特征和/或多个“局部二元模式”(LBP)特征。

11.一种用于识别车辆环境的图像(20)中的对象(10、11、13)的方法，该方法包括以下步骤：根据前述权利要求中任一项所述的语义分割方法。

12.一种用于从机动车辆识别对象(10、11、13)的系统，其中，所述系统包括要设置在所述机动车辆处的摄像机以及用于处理由所述摄像机拍摄的图像(20)的图像处理装置，

其特征在于，

所述图像处理装置被配置用于执行根据权利要求1至11中任一项所述的方法。

13.根据权利要求12所述的系统，

其特征在于，

所述摄像机被配置用于重复或持续地拍摄图像(20)，并且所述图像处理装置被配置用于实时处理所拍摄的图像(20)。

14.一种包括可执行程序代码的计算机程序产品，该可执行程序代码在被执行时执行根据权利要求1至11中任一项所述的方法。