[发明专利]一种图像处理方法、装置、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，所述方法包括：

获取多个不同期相的待处理图像；

基于第一神经网络模型对所述多个不同期相的待处理图像进行征象分类处理，得到所述多个不同期相的待处理图像对应的目标征象分类结果；

基于第二神经网络模型对所述多个不同期相的待处理图像进行尺寸回归处理，得到所述多个不同期相的待处理图像对应的目标尺寸回归结果；

基于所述目标征象分类结果和所述目标尺寸回归结果，确定所述多个不同期相的待处理图像对应的第一等级分类结果。

2.根据权利要求1所述的方法，其特征在于，所述多个不同期相的待处理图像包括多个第一征象图像，所述第一神经网络模型包括第一征象分类模型，所述目标征象分类结果包括第一征象分类结果，则所述基于第一神经网络模型对所述多个不同期相的待处理图像进行征象分类处理，得到所述多个不同期相的待处理图像对应的目标征象分类结果，包括：

基于所述第一征象分类模型中的第一特征提取层，对所述多个第一征象图像进行特征提取，得到所述多个第一征象图像各自对应的特征提取结果；

基于所述第一征象分类模型中的第一全连接层，对所述多个第一征象图像各自对应的特征提取结果进行融合，得到所述多个第一征象图像对应的特征融合结果；

基于所述第一征象分类模型对所述特征融合结果进行处理，得到所述多个第一征象图像对应的所述第一征象分类结果。

3.根据权利要求2所述的方法，其特征在于，所述多个不同期相的待处理图像包括多个第二征象图像，所述第一神经网络模型包括第二征象分类模型，所述目标征象分类结果包括第二征象分类结果，则所述基于第一神经网络模型对所述多个不同期相的待处理图像进行征象分类处理，得到所述多个不同期相的待处理图像对应的目标征象分类结果，包括：

基于所述第二征象分类模型中的第二特征提取层，对所述多个第二征象图像进行特征提取，得到所述多个第二征象图像各自对应的特征提取结果；

基于所述第二征象分类模型中的第二全连接层，对所述多个第二征象图像各自对应的特征提取结果进行处理，得到所述多个第二征象图像各自对应的征象分类结果；

基于所述第二征象分类模型对所述多个第二征象图像各自对应的征象分类结果进行处理，得到所述多个第二征象图像对应的所述第二征象分类结果。

4.根据权利要求3所述的方法，其特征在于，所述多个不同期相的待处理图像包括目标图像，则在所述基于第二神经网络模型对所述多个不同期相的待处理图像进行尺寸回归处理，得到所述多个不同期相的待处理图像对应的目标尺寸回归结果之前，所述方法还包括：

基于第三神经网络模型对所述目标图像进行分割处理，得到所述目标图像对应的分割结果。

5.根据权利要求4所述的方法，其特征在于，所述基于第二神经网络模型对所述多个不同期相的待处理图像进行尺寸回归处理，得到所述多个不同期相的待处理图像对应的目标尺寸回归结果，包括：

基于所述第二神经网络模型中的第三特征提取层对所述分割结果进行特征提取，得到所述目标图像对应的特征提取结果；

基于所述第二神经网络模型中的第三全连接层，对所述目标图像对应的特征提取结果进行融合处理，得到所述目标图像对应的尺寸回归结果；

将所述目标图像对应的尺寸回归结果作为所述目标尺寸回归结果。

6.根据权利要求5所述的方法，其特征在于，在所述基于所述目标征象分类结果和所述目标尺寸回归结果，确定所述多个不同期相的待处理图像对应的第一等级分类结果之后，所述方法还包括：

获取所述第一征象分类结果对应的第一特征向量、所述第二征象分类结果对应的第二特征向量和所述目标尺寸回归结果对应的第三特征向量；所述第一特征向量为输入所述第一全连接层的特征向量，所述第二特征向量为输入所述第二全连接层的特征向量，所述第三特征向量为输入所述第三全连接层的特征向量；

基于第四神经网络模型对所述第一特征向量、所述二特征向量和所述第三特征向量进行融合处理，得到第二等级分类结果。