[发明专利]一种图像处理方法及装置

说明书

本公开涉及一种图像处理方法，用于对输入图像进行分割，包括：获取所述输入图像；使用图像分割模型，对所述输入图像进行处理；输出经处理后的输出图像；其中，所述图像分割模型是嵌入全局特征获取模块的第一卷积神经网络，并且，所述全局特征获取模块嵌入所述第一卷积神经网络的卷积层与池化层之间。根据本公开，提供一种图像分割方法，可以在更大视野上对图像进行分割，对于目标物较大的情形更为有效。

技术领域

本公开涉及图像处理领域，具体地，本公开涉及一种对图像中的特定对象进行分割的处理方法和装置。

背景技术

对图像进行分割是图像处理科学的重要任务，卷积神经网络是重要的图像分割工具，但是，对于图像中大尺寸的对象，单层卷积仅能感受局部的视野，为感受更大视野，仅能通过叠加多个卷积层，这样造成效率很低。

发明内容

有鉴于此，本公开提供一种图像处理方法和装置。

根据本公开的示例性实施例，一种图像处理方法，用于对输入图像进行分割，包括：获取所述输入图像；使用图像分割模型，对所述输入图像进行处理；输出经处理后的输出图像；其中，所述图像分割模型是嵌入全局特征获取模块的第一卷积神经网络，并且，所述全局特征获取模块嵌入所述第一卷积神经网络的卷积层与池化层之间。

根据本公开的示例性实施例，所述第一卷积神经网络是由下采样层和上采样层构成的U型卷积神经网络。

根据本公开的示例性实施例，所述全局特征获取模块对特征从坐标空间映射到交互空间，使用图卷积网络进一步推理来获取全局特征，最后反映射回坐标空间。

根据本公开的示例性实施例，所述全局特征获取模块是GloRe单元。

根据本公开的示例性实施例，所述U型卷积神经网络是UNet模型，所述图像分割模型的下采样层由五组卷积层组和一个GloRe单元组成，其中，GloRe单元插入第一个卷积层组和第二个卷积层组之间。

根据本公开的示例性实施例，在获取输入图像前，还包括：获取第一图像；对所述第一图像进行缩放，得到第二图像；将所述第二图像采用滑动窗口进行分块操作，得到多个输入图像；得到所述输出图像后，还包括：对每个输入图像得到的输出图像进行拼接，得到分割图像。

根据本公开的示例性实施例，一种图像处理装置，其特征在于，包括：至少一个处理器；计算机存储介质，存储有计算机程序，所述计算机程序在被所述至少一个处理器执行时实现本公开实施例中的方法。

根据本公开的示例性实施例，一种存储有计算机程序的计算机可读存储介质，其中，所述计算机程序在被处理器执行时实现本公开实施例中的方法。

根据本公开的示例性实施例，一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现本公开实施例中的方法。

根据本公开提供的图像处理方法，可以对图像中较大的对象有效进行分割。

附图说明

下面将通过参照附图详细描述本发明的优选实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，附图中：

图1为本公开示例性的基于嵌入图卷积语义分割的金属表面瑕疵检测方法的流程图；

图2为本公开示例性实施例中预处理后的部分数据样本；

图3为本公开示例性实施例中图卷积GloRe方法的原理图；

图4为本公开示例性实施例中基于嵌入图卷积的UNet网络模型图；

图5为本公开示例性实施例中部分瑕疵预测结果图；

具体实施方式