[發(fā)明專利]圖像處理方法、裝置及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810039464.1
• 申請(qǐng)日: 2018-01-16
• 公開（公告）號(hào): CN108304845B
• 公開（公告）日: 2021-11-09
• 發(fā)明（設(shè)計(jì)）人: 李毅;張偉辰;呂敏;王紅法;薛偉;肖磊;金涬
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06K9/38
• 分類號(hào): G06K9/38;G06T7/187;G06N3/04;G06N3/08
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 劉映東

本發(fā)明公開了一種圖像處理方法、裝置及存儲(chǔ)介質(zhì)，屬于圖像處理技術(shù)領(lǐng)域。所述方法包括：對(duì)原始圖像進(jìn)行離散化處理，得到離散值圖像；根據(jù)每個(gè)柵格的離散值，從離散值圖像上，確定至少一個(gè)連通域；根據(jù)池化計(jì)算類型和每個(gè)連通域內(nèi)每個(gè)柵格的特征值，對(duì)每個(gè)連通域進(jìn)行池化計(jì)算，得到每個(gè)連通域上的池化計(jì)算結(jié)果；根據(jù)所有連通域上的池化計(jì)算結(jié)果，確定對(duì)原始圖像的池化計(jì)算結(jié)果。本發(fā)明根據(jù)每個(gè)柵格的離散值和柵格間的位置關(guān)系，從離散值圖像上確定出至少一個(gè)連通域，由于連通域上的各個(gè)像素點(diǎn)具有一定的關(guān)聯(lián)性，因而池化計(jì)算結(jié)果更準(zhǔn)確，進(jìn)一步地提高了基于該池化結(jié)果所訓(xùn)練的圖像識(shí)別模型的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種圖像處理方法、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)

CNN(Convolutional Neural Networks，卷積神經(jīng)網(wǎng)絡(luò))作為圖像處理領(lǐng)域中一種常見的網(wǎng)絡(luò)結(jié)構(gòu)，其所訓(xùn)練的圖像識(shí)別模型在圖像物體檢測、圖像文字檢測、圖像分割等方面具有廣泛的用途。CNN主要包括卷積層、池化層、規(guī)則化層及全連接層等主要結(jié)構(gòu)，池化層作為CNN中重要的組成部分，主要對(duì)圖像進(jìn)行池化計(jì)算，從而達(dá)到降低圖像特征的維度、突出顯著特征、提高計(jì)算速度及模型訓(xùn)練精度的目的。

池化計(jì)算包括最大池化計(jì)算、平均池化計(jì)算等，以采用最大池化計(jì)算對(duì)原始圖像進(jìn)行處理為例，具體處理過程：對(duì)原始圖像進(jìn)行離散化計(jì)算，得到離散值圖像；將離散值圖像輸入到CNN中，經(jīng)過卷積層的卷積計(jì)算，得到特征圖像，其中，特征圖像包括至少一個(gè)特征點(diǎn)，每個(gè)特征點(diǎn)具有一個(gè)特征值；按照池化窗的設(shè)置將特征圖像劃分為多個(gè)矩形區(qū)域，從每個(gè)矩形區(qū)域所包括的特征點(diǎn)中，獲取最大的特征值作為每個(gè)矩形區(qū)域上的池化計(jì)算結(jié)果；將所有矩形區(qū)域上的池化計(jì)算結(jié)果，添加到池化窗的相應(yīng)位置上，得到對(duì)原始圖像的池化計(jì)算結(jié)果，該池化計(jì)算結(jié)果用于訓(xùn)練圖像識(shí)別模型。

然而，由于圖像本身不同區(qū)域內(nèi)的像素點(diǎn)之間具有一定的關(guān)聯(lián)性，而相關(guān)技術(shù)僅將需要進(jìn)行池化計(jì)算的圖像劃分為多個(gè)矩形區(qū)域，并在每個(gè)矩形區(qū)域內(nèi)進(jìn)行池化計(jì)算，導(dǎo)致圖像處理結(jié)果并不準(zhǔn)確，進(jìn)一步地影響到所訓(xùn)練的圖像識(shí)別模型的準(zhǔn)確性。

發(fā)明內(nèi)容

為了解決相關(guān)技術(shù)的問題，本發(fā)明實(shí)施例提供了一種圖像處理方法、裝置及存儲(chǔ)介質(zhì)。所述技術(shù)方案如下：

一方面，提供了一種圖像處理方法，所述方法包括：

對(duì)原始圖像進(jìn)行離散化處理，得到離散值圖像，所述離散值圖像包括多個(gè)柵格，每個(gè)柵格代表所述原始圖像上的一個(gè)像素點(diǎn)，且每個(gè)柵格對(duì)應(yīng)一個(gè)離散值和一個(gè)特征值；

根據(jù)每個(gè)柵格的離散值，從所述離散值圖像上，確定至少一個(gè)連通域，每個(gè)連通域包括一個(gè)柵格或兩個(gè)以上具有相同的離散值且彼此鄰接的柵格；

根據(jù)池化計(jì)算類型和每個(gè)連通域內(nèi)每個(gè)柵格的特征值，對(duì)每個(gè)連通域進(jìn)行池化計(jì)算，得到每個(gè)連通域上的池化計(jì)算結(jié)果；

根據(jù)所有連通域上的池化計(jì)算結(jié)果，確定對(duì)所述原始圖像的池化計(jì)算結(jié)果。

另一方面，提供了一種圖像處理裝置，所述裝置包括：

圖像處理模塊，用于對(duì)原始圖像進(jìn)行離散化處理，得到離散值圖像，所述離散值圖像包括多個(gè)柵格，每個(gè)柵格代表所述原始圖像上的一個(gè)像素點(diǎn)，且每個(gè)柵格對(duì)應(yīng)一個(gè)離散值和一個(gè)特征值；

區(qū)域確定模塊，用于根據(jù)每個(gè)柵格的離散值，從所述離散值圖像上，確定至少一個(gè)連通域，每個(gè)連通域包括一個(gè)柵格或兩個(gè)以上具有相同的離散值且彼此鄰接的柵格；

池化計(jì)算模塊，用于根據(jù)池化計(jì)算類型和每個(gè)連通域內(nèi)每個(gè)柵格的特征值，對(duì)每個(gè)連通域進(jìn)行池化計(jì)算，得到每個(gè)連通域上的池化計(jì)算結(jié)果；

計(jì)算結(jié)果確定模塊，用于根據(jù)所有連通域上的池化計(jì)算結(jié)果，確定對(duì)所述原始圖像的池化計(jì)算結(jié)果。