[发明专利]一种基于图像处理模型训练的期望部分提取方法

权利要求书

1.一种基于图像处理模型训练的期望部分提取方法，其特征在于：包括以下步骤：

步骤S1、对目标图像进行全局目标增强以在目标图像中得到全局期望区域，以及对全局期望区域进行局部目标增强以在全局期望区域中得到局部期望区域；

步骤S2、利用局部期望区域对目标图像进行增强融合得到表征期望部分增强的增强目标图像；

步骤S3、利用预建立的图像检测模型对增强目标图像进行目标识别得到目标图像的期望部分，以实现在目标图像提取出期望部分。

2.根据权利要求1所述的一种基于图像处理模型训练的期望部分提取方法，其特征在于：所述对目标图像进行全局目标增强以在目标图像中得到全局期望区域，包括：

利用多组功能滤波器对分别目标图像进行滤波处理得到多组滤波图像，所述多通道滤波处理的函数表达式为：

M_i(x,y)＝F_i{I(x,y)}；

式中，M_i(x,y)为第i组滤波图像，F_i为第i组功能滤波器，I(x,y)为目标图像，x，y为目标图像的像素坐标，i为计量数值；

以多组滤波图像中的像素点为节点分别构造为多组全连接图，并将滤波图像中像素点间的差异度映射为全连接图中节点间的边权重，所述差异度的函数表达式为：

式中，d_i(a,b)为第i组滤波图像中像素点a和像素点b间的差异度，M_i(x_a,y_a)、M_i(x_b,y_b)为第i组滤波图像中像素点a和像素点b的像素特征，(x_a,y_a)为像素点a的像素坐标，(x_b,y_b)为像素点b的像素坐标；

所述节点间边权重的函数表达式为：

式中，w_i(a,b)为第i组全连接图中节点a和节点b间的边权重，γ为随机参数，γ∈[0.1H,0.2H]，H为滤波图像的宽度；

在各组全连接图中定义出一个马尔科夫链，将全连接图中节点映射为马尔科夫链中状态，全连接图中边权重映射为马尔科夫链中转移概率，将马尔科夫链的平衡状态描述为每个状态节点上的停留时间以得到每组滤波图像的响应图；

将多组滤波图像的响应图进行正则化处理，并将正则化后的多组滤波图像的响应图进行叠加融合得到全局期望区域。

3.根据权利要求2所述的一种基于图像处理模型训练的期望部分提取方法，其特征在于：所述正则化处理包括：

将滤波图像的响应图中像素点为节点分别构造为正则化图，并将滤波图像的响应图中像素点的响应值映射为正则化图中节点间的边权重，所述正则化图中节点间的边权重的函数表达式为：

式中，L_i(a,b)为第i组正则化图中节点a和节点b间的边权重，A_i(x_a,y_a)为第i组正则化图中节点a处的响应值；

对正则化图中节点间的边权重进行归一化，并将归一化后的正则化图映射为马尔科夫链，以及计算马尔科夫链各个节点的平稳分布，以使得滤波图像的响应图中高响应值集中化。