[发明专利]图像处理方法及电子设备

说明书

本发明实施例公开了一种图像处理方法及电子设备。该方法，包括：将图像序列中的目标图像和与目标图像关联的第一类关联图像和第二类关联图像，输入预定模型；该模型的编码器和解码器均包括N层；编码器的第n编码层，输出与目标图像和第一类关联图像对应的第一数量的第n层第一类特征，与目标图像和第二类关联图像对应的第二数量的第n层第二类特征，及，与目标图像对应的第n层第三类特征；将第n层第一类特征和/或第n层第二类特征进行特征融合，得到融合特征；将第n层第一类特征和融合特征输入到第n解码层进行解码，得到第n解码层输出的解码信息。

技术领域

本发明涉及信息技术领域，尤其涉及一种图像处理方法及电子设备。

背景技术

随着信息技术的发展，利用神经网络、向量机等学习模型进行图像处理。例如，针对医疗影像，可以利用深度学习模型对计算机断层扫描(Computed Tomography，CT)等进行目标分割等图像处理。

但是相关技术中，要不存在目标分割精确度低，要不存在着计算量大或计算效率低的问题。

发明内容

有鉴于此，本发明实施例期望提供一种图像处理方法及电子设备。

本发明的技术方案是这样实现的：

一种图像处理方法，包括：

将图像序列中的目标图像和与目标图像关联的第一类关联图像和第二类关联图像，输入预定模型；其中，所述预定模型包括：编码器和解码器，其中，所述编码器和解码器均包括N层；N为不小于2的正整数；

所述编码器的第n编码层，输出与所述目标图像和所述第一类关联图像对应的第一数量的第n层第一类特征，与所述目标图像和所述第二类关联图像对应的第二数量的第n层第二类特征，及，与所述目标图像对应的第n层第三类特征，其中，n为小于或等于N的正整数；

将所述第n层第一类特征和/或所述第n层第二类特征进行特征融合，得到融合特征；

将所述第n层第三类特征和所述融合特征输入到第n解码层进行解码，得到第n解码层输出的解码信息；

其中，所述编码器的相邻层的前一编码层输出，还作为后一编码层的输入；所述解码器的相邻层的前一解码层的输出还作为后一解码层的输入。

基于上述方案，所述将所述第n层第一类特征和/或所述第n层第二类特征进行特征融合，得到融合特征，包括：

将第一数量的所述第n层第一类特征进行融合，得到第n层第四类特征；

将第二数量的所述第n层第二类特征进行融合，得到第n层第五类特征。

基于上述方案，所述将第一数量的所述第n层第一类特征进行融合，得到第n层第四类特征，包括：

将第m个所述第n层第一类特征与M个所述第n层第一类特征进行加权平均，得到第m个所述融合特征，M为所述第一数量，m为小于或等于M的正整数；

所述将第二数量的所述第n层第二类特征进行融合，得到第n层第五类特征，包括：

将第s个所述第n层第二类特征与S个所述第n层第二类特征进行加权平均，得到第s个所述融合特征，S为所述第二数量，s为小于或等于M的正整数。

基于上述方案，所述预定模型还包括：连接所述编码器和所述解码器的底层；所述方法还包括：

利用所述预定模型的底层，基于所述编码器的第N编码层的输出，输出与所述目标图像和所述第一类关联图像对应的第一数量的第N+1层第一类特征，与所述目标图像和所述第二类关联图像对应的第二数量的第N+1层第二类特征，及，与所述目标图像对应的第N+1层第三类特征；

将所述第N+1层第三类特征输入到所述解码器的第N解码层；