[發明專利]圖像處理方法、裝置及存儲介質

有效

• 申請號: 201810039464.1
• 申請日: 2018-01-16
• 公開（公告）號: CN108304845B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 李毅;張偉辰;呂敏;王紅法;薛偉;肖磊;金涬
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/38
• 分類號: G06K9/38;G06T7/187;G06N3/04;G06N3/08
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 劉映東

1.一種圖像處理方法，其特征在于，所述方法包括：

對原始圖像進行離散化處理，得到離散值圖像，所述離散值圖像包括多個柵格，每個柵格代表所述原始圖像上的一個像素點，且每個柵格對應一個離散值和一個特征值；

對于所述離散值圖像上任一柵格，以所述柵格為起點，在所述離散值圖像上進行擴張，得到離散值與所述柵格的離散值相同且面積最大的目標區域，將所述目標區域作為一個連通域，得到至少一個連通域，每個連通域包括至少一個柵格，當每個連通域包括兩個或兩個以上的柵格時，兩個或兩個以上的柵格具有相同的離散值且彼此鄰接；

根據池化計算類型和每個連通域內每個柵格的特征值，對每個連通域進行池化計算，得到每個連通域上的池化計算結果；

根據所有連通域上的池化計算結果，確定對所述原始圖像的池化計算結果。

2.根據權利要求1所述的方法，其特征在于，所述以所述柵格為起點，在所述離散值圖像上進行擴張，得到離散值與所述柵格的離散值相同且面積最大的目標區域，包括：

以所述柵格的每條邊為起點，在所述離散值圖像上進行擴張；

如果獲取到與所述柵格的任一條邊鄰接且離散值與所述柵格的離散值相同的第一柵格，則將所述第一柵格與所述柵格合并為第一合并區域；

以所述第一合并區域的每條邊為起點，在所述離散值圖像上進行擴張；

如果獲取到與所述第一合并區域的任一條邊鄰接且離散值與所述柵格的離散值相同的第二柵格，將所述第二柵格與所述第一合并區域合并為第二合并區域；

依次循環，直至合并區域的面積不再變化，將最終得到合并區域作為所述目標區域。

3.根據權利要求1所述的方法，其特征在于，所述根據池化計算類型和每個連通域內每個柵格的特征值，對每個連通域進行池化計算，得到每個連通域上的池化計算結果，包括：

當所述池化計算類型為最大池化計算，從每個連通域內所有柵格的特征值中，獲取最大的特征值，將每個連通域上的最大特征值作為每個連通域上的池化計算結果；

當所述池化計算類型為平均池化計算，計算每個連通域內所有柵格的特征值的平均值，得到每個連通域內柵格的平均特征值，將每個連通域內柵格的平均特征值作為每個連通域上的池化計算結果；

當所述池化計算類型為L2范數池化計算，計算每個連通域內所有柵格的特征值的平方和，并對每個連通域內所有柵格的特征值的平方和進行開方計算，得到每個連通域內柵格的L2范數特征值。

4.根據權利要求1至3中任一項所述的方法，其特征在于，所述根據池化計算類型和每個連通域內每個柵格的特征值，對每個連通域進行池化計算，得到每個連通域上的池化計算結果，包括：

為所述離散值圖像上的每個柵格分配一個線程；

根據池化計算類型，采用多個線程對每個連通域內每個柵格的特征值進行并行計算，得到每個連通域上的池化計算結果。

5.根據權利要求1至3中任一項所述的方法，其特征在于，所述根據所有連通域上的池化計算結果，確定對所述原始圖像的池化計算結果之后，還包括：

將所述池化計算結果輸入到卷積神經網絡CNN中，得到識別結果；

計算所述識別結果與實際識別結果的殘差值；

將所述殘差值反向輸入到所述CNN中，得到所述CNN每層的回傳梯度值；

根據所述CNN每層的回傳梯度值，對所述CNN的模型參數進行調整。