[发明专利]图像处理方法、系统和电子设备

说明书

本公开提供了一种图像处理方法，包括将待处理图像切分成多个瓦片，针对每个瓦片，获得该瓦片的多通道概率图，将所述多个瓦片的多通道概率图融合成全幅面概率图，以及基于所述全幅面概率图，对所述待处理图像进行语义分割。本公开还提供了一种图像处理系统、一种电子设备以及一种计算机可读介质。

技术领域

本公开涉及计算机技术领域，更具体地，涉及一种图像处理方法、系统和电子设备。

背景技术

为了提高语义分割的精度，现有技术方案大都采用深度卷积神经网络的方法进行分割。例如，已经出现了采用以卷积神经网络为基础的全卷积神经网络直接进行像素级别端到端(end-to-end)的语义分割，只需将待分割的整张影像输入到事先训练好的网络中，便可得到最终的分割结果。因此，网络模型的好坏直接决定了该类方法的最终分割精度。

为了处理大幅面图像，现有技术通常采用更为复杂的网络模型，或者对图像缩小后进行处理。然而，采用较为复杂的网络模型导致对显存的需求提高，往往会超过系统资源的限制，造成系统崩溃，而缩小图像的方式将对分割精度产生较大影响。因此，在满足一定的分割精度的前提下，很难将现有技术直接应用于幅面较大影像的语义分割。

发明内容

有鉴于此，本公开提供了一种图像处理方法、系统和电子设备。

本公开的一个方面提供了一种图像处理方法，包括将待处理图像切分成多个瓦片，针对每个瓦片，获得该瓦片的多通道概率图，将所述多个瓦片的多通道概率图融合成全幅面概率图，以及基于所述全幅面概率图，对所述待处理图像进行语义分割。

根据本公开实施例，所述将待处理图像切分成多个瓦片包括基于瓦片尺寸，将待处理图像切分成多个瓦片。

根据本公开实施例，所述基于瓦片尺寸，将待处理图像切分成多个瓦片包括基于瓦片尺寸以及第一步长，将待处理图像切分成多个瓦片，其中，相邻的两个瓦片之间至少具有第一步长的重叠部分。

根据本公开实施例，所述基于瓦片尺寸，将待处理图像切分成多个瓦片包括，基于瓦片尺寸，确定用于切分待处理图像的瓦片数量，基于所述瓦片尺寸以及瓦片数量，确定第二步长，以及将待处理图像切分成所述瓦片数量的多个瓦片，其中，相邻的两个瓦片之间具有第二步长的重叠部分。

根据本公开实施例，所述将所述多个瓦片的多通道概率图融合成全幅面概率图包括，在多个瓦片覆盖同一像素的情况下，将所述多个瓦片的多个多通道概率图中对应于所述像素的数据加权融合，其中，一个瓦片的数据的权重为所述像素所在位置距离所述瓦片边缘的像素距离。

根据本公开实施例，所述方法还包括通过全连接条件随机场模型优化所述全幅面概率图。

本公开的另一个方面提供了一种图像处理系统，包括切分模块、处理模块、融合模块以及语义分割模块。切分模块，用于将待处理图像切分成多个瓦片。处理模块，用于针对每个瓦片，获得该瓦片的多通道概率图。融合模块，用于将所述多个瓦片的多通道概率图融合成全幅面概率图。语义分割模块，用于基于所述全幅面概率图，对所述待处理图像进行语义分割。

根据本公开实施例，所述切分模块用于基于瓦片尺寸，将待处理图像切分成多个瓦片。

根据本公开实施例，所述切分模块包括第一切分子模块，用于基于瓦片尺寸以及第一步长，将待处理图像切分成多个瓦片，其中，相邻的两个瓦片之间至少具有第一步长的重叠部分。

根据本公开实施例，所述切分模块包括数量确定子模块、步长确定子模块以及第二切分子模块。数量确定子模块，用于基于瓦片尺寸，确定用于切分待处理图像的瓦片数量。步长确定子模块，用于基于所述瓦片尺寸以及瓦片数量，确定第二步长。第二切分子模块，用于将待处理图像切分成所述瓦片数量的多个瓦片，其中，相邻的两个瓦片之间具有第二步长的重叠部分。