[发明专利]图像处理方法、装置、计算机设备及存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取待处理图像，并构建所述待处理图像中每个对象的特征向量组，所述待处理图像是样本图像集中的任一样本图像，所述样本图像集被划分为多个图像子集；

分别对所述每个对象的特征向量组中的特征向量进行分类，得到每个对象的分类结果；

根据所述每个对象的分类结果，确定所述每个对象的对象分布信息，所述对象分布信息用于指示任一对象的相邻对象相对于所述任一对象的分布情况，所述任一对象与所述任一对象的相邻对象为相同类型的对象；

获取所述样本图像集对应的多个图像子集，并根据所述待处理图像中每个对象的对象分布信息，从所述多个图像子集中确定出所述待处理图像所属的目标图像子集；

将所述目标图像子集中样本图像的图像类型作为所述待处理图像的图像类型，其中，同一图像子集中的样本图像的图像类型相同。

2.根据权利要求1所述的方法，其特征在于，所述待处理图像是样本图像集中的任一样本图像，所述样本图像集被划分为多个图像子集，所述多个图像子集至少包括第一图像子集和第二图像子集；所述方法还包括：

从所述样本图像集中获取所述第一图像子集和所述第二图像子集，并获取用于进行对象估计的初始模型；

采用所述第一图像子集对所述初始模型进行训练，得到用于识别第一图像类型的图像的目标模型，以及，采用所述第二图像子集对所述初始模型进行训练，得到用于识别第二图像类型的图像的目标模型；

其中，所述第一图像类型为所述第一图像子集的样本图像的图像类型，所述第二图像类型为所述第二图像子集的样本图像的图像类型。

3.根据权利要求1所述的方法，其特征在于，所述获取所述样本图像集对应的多个图像子集，包括：

根据所述待处理图像中每个对象的对象分布信息，确定用于指示所述待处理图像中对象密度的第一表征信息；

获取所述样本图像集中除所述待处理图像之外的其他样本图像的第二表征信息；

根据所述第一表征信息和所述第二表征信息对所述样本图像集进行聚类运算，得到多个图像子集，处于同一图像子集的样本图像的表征信息所指示的对象密度处于同一密度范围。

4.根据权利要求3所述的方法，其特征在于，所述对象分布信息包括用于对所述特征向量组中的特征向量进行分类的类别指示信息，以及所述特征向量组中被划分到每个类别指示信息对应类别的特征向量的数量。

5.根据权利要求4所述的方法，其特征在于，所述根据所述待处理图像中每个对象的对象分布信息，确定用于指示所述待处理图像中对象密度的第一表征信息，包括：

根据所述类别指示信息，对所述待处理图像中每个对象的对象分布信息进行叠加，确定每个类别指示信息对应类别的特征向量的向量总数；

对所述向量总数进行归一化处理，并将归一化处理后的向量总数作为指示所述待处理图像中对象密度的第一表征信息。

6.根据权利要求1所述的方法，其特征在于，所述分别对所述每个对象的特征向量组中的特征向量进行分类，包括：

确定多个类别指示信息，并确定每个类别指示信息所指示的特征向量的取值变化范围；

根据所述特征向量组中各特征向量的取值，和所述每个类别指示信息所指示的特征向量的取值变化范围，对所述特征向量组中的特征向量进行分类。

7.根据权利要求6所述的方法，其特征在于，所述待处理图像是样本图像集中的任一样本图像，所述确定多个类别指示信息，包括：

确定所述样本图像集中每个对象的特征向量组，并根据所述每个对象的特征向量组确定所述样本图像集对应的特征向量集；

对所述特征向量集进行聚类运算，以将所述特征向量集中属于相同取值变化范围的特征向量划分到同一个向量子集；

确定每个向量子集对应的聚类中心，并将所述聚类中心作为类别指示信息，所述类别指示信息所指示的特征向量的取值变化范围包括：所述聚类中心对应向量子集中特征向量的取值变化范围。