[发明专利]一种图像分割网络生成方法及图像分割方法

说明书

本发明公开了一种用于对双目图像中的人像进行分割处理的图像分割网络生成方法、图像分割方法、计算设备及移动终端，图像分割网络生成方法包括：构建分割处理网络，所述分割处理网络包括多个处理块、下采样层和上采样层；构建视差计算网络，所述视差计算网络包括多个第一卷积层、转置卷积层和第二卷积层；根据预先生成的第一图像数据集合对所述分割处理网络进行训练，根据预先生成的第二图像数据集合对所述视差计算网络进行训练；将训练好的分割处理网络和视差计算网络进行融合，以生成图像分割网络；根据所述第一图像数据集合对所述图像分割网络进行训练，以便所述图像分割网络的输出指示输入图像所对应的人像掩膜图像。

技术领域

本发明涉及图像处理技术领域，特别涉及一种用于对双目图像中的人像进行分割处理的图像分割网络生成方法、图像分割方法、计算设备及移动终端。

背景技术

图像分割是指依据图像的灰度、纹理和形状等特征，把图像划分成若干的互相没有重合的区域，主要应用于对人像、动物以及自然场景以及各种带有明显语义信息的事物的分割。

目前，主流的分割算法都是基于一张图像输入到卷积神经网络中进行分割，已经取得了较好的效果，但并不适用于对具有双目摄像头的手机所拍摄出的双目图像进行分割处理。双目相机相对于传统单目相机的优势在于，其能够依据双目相机本身的几何关系以及左右相机图像之间的细微不同来计算物体相对于相机的距离。一旦计算出该距离，就能够为目前的分割算法提供很大的辅助，尤其针对误检测情况，完全可以利用深度信息进行完全的消除。

现在应用双目图像进行分割的有2017年在《IEEE Computer Society》上发表的一篇名为“High-Quality Correspondence and Segmentation Estimation for Dual-LensSmart-Phone Portraits”的论文，该文章的做法建立在HS(Horn-Schunck)Flow和FCN(Fully Convolutional Networks)Segment的基础之上，前者计算两张图中人物的细微变化，后者则依据语义信息分割出图像的人物所在位置，然而两者都不够精确。前者只能够分辨低层次的像素级别的特征，会将很多移动的特征都识别为前景，后者依据语义特征，但精度较差，会有很多被误分割。上述文章利用CRF(Conditional Random Field，条件随机场)方法将两者结果融合，取得了相对不错的结果。但CRF方法具有较多的参数需要调节，同一个参数并不能适用于大多数图片，因此其不能被真正落实到产品之中，并且该网络计算量较大，在手机端无法做到实时计算。

发明内容

为此，本发明提供一种用于对双目图像中的人像进行分割处理的图像分割网络生成方案，并提出了基于该图像分割网络的图像分割方案，以力图解决或者至少缓解上面存在的问题。

根据本发明的一个方面，提供一种用于对双目图像中的人像进行分割处理的图像分割网络生成方法，适于在计算设备中执行，该方法包括如下步骤：首先，构建分割处理网络，分割处理网络包括多个处理块、下采样层和上采样层；构建视差计算网络，视差计算网络包括多个第一卷积层、转置卷积层和第二卷积层；根据预先生成的第一图像数据集合对分割处理网络进行训练，根据预先生成的第二图像数据集合对视差计算网络进行训练；将训练好的分割处理网络和视差计算网络进行融合，以生成图像分割网络；根据第一图像数据集合对图像分割网络进行训练，以便图像分割网络的输出指示输入图像所对应的人像掩膜图像。

可选地，在根据本发明的用于对双目图像中的人像进行分割处理的图像分割网络生成方法中，构建分割处理网络的步骤包括：构建处理块，处理块包括卷积层；分别构建上采样层和下采样层；按照预设的第一连接规则，将各处理块、下采样层和上采样层进行相连，以生成以一个处理块为输入、以另一个处理块为输出的分割处理网络。