[發明專利]圖像處理方法、裝置、存儲介質和計算機設備

有效

• 申請號: 201810130459.1
• 申請日: 2018-02-08
• 公開（公告）號: CN108427951B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 王睿;孫星;郭曉威
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/26;G06V10/32;G06V10/424;G06V10/82;G06N3/0464;G06N20/00;G06V10/774
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 何平;鄧云鵬

1.一種圖像處理方法，其特征在于，所述方法包括：

獲取待處理圖像；所述待處理圖像的數量多于一個；各所述待處理圖像根據同一成像目標成像得到；

確定所述待處理圖像所屬的模態類別；所述模態類別用于表征所述待處理圖像的成像方式；

將屬于相同模態類別的待處理圖像的圖像尺寸調整至統一的圖像尺寸；

分別通過各模態類別相應的機器學習模型中的編碼器，將屬于相應模態類別、且經過圖像尺寸調整的待處理圖像，共同編碼為語義分割特征矩陣；其中，各所述語義分割特征矩陣解碼后得到的語義分割圖像，具有表示所屬分類類別的像素值，且與編碼自的各待處理圖像中的像素點按像素位置對應；所述語義分割特征矩陣屬于所述待處理圖像中圖像內容的語義特征表達；

通過所述機器學習模型中的解碼器解碼所述語義分割特征矩陣得到語義分割圖像；所述語義分割圖像中的像素點，具有表示所屬分類類別的像素值，且與所述待處理圖像中的像素點對應；

根據屬于目標分類類別的像素點確定目標圖像區域。

2.根據權利要求1所述的方法，其特征在于，所述確定所述待處理圖像所屬的模態類別，包括：

獲取所述待處理圖像所對應的圖像成像信息；

根據所述圖像成像信息，確定所述待處理圖像所對應的模態；

將所述模態所屬的模態類別作為所述待處理圖像所屬的模態類別。

3.根據權利要求1所述的方法，其特征在于，所述將屬于相同模態類別的待處理圖像的圖像尺寸調整至統一的圖像尺寸，包括：

查詢各模態類別相應的機器學習模型各自關聯的參考圖像尺寸；

對各所述待處理圖像進行像素點采樣，以將各待處理圖像的圖像尺寸調整至所屬模態類別相應的機器學習模型所關聯的參考圖像尺寸。

4.根據權利要求1所述的方法，其特征在于，所述根據屬于目標分類類別的像素點確定目標圖像區域，包括：

根據各所述語義分割圖像中屬于目標分類類別的像素點，相應確定各所述語義分割圖像中的目標圖像區域；或者

根據各所述語義分割圖像中像素點與編碼自的各待處理圖像中的像素點的對應關系，確定各待處理圖像中的各像素點各自對應的分類類別；

根據各所述待處理圖像中屬于目標分類類別的像素點，相應確定各所述語義分割圖像中的目標圖像區域。

5.根據權利要求1所述的方法，其特征在于，所述各模態類別相應的機器學習模型的生成步驟包括：

收集屬于各模態類別的圖像樣本；

為各模態類別相應的機器學習模型關聯參考圖像尺寸；

分別將屬于各模態類別的圖像樣本的圖像尺寸，調整至所屬模態類別相應的機器學習模型所關聯的參考圖像尺寸；

確定各所述圖像樣本中各像素點所對應的分類類別；

根據各所述圖像樣本和各所述圖像樣本中各像素點所對應的分類類別，訓練所屬模態類別相應的機器學習模型。

6.根據權利要求1至5中任一項所述的方法，其特征在于，所述待處理圖像為醫學圖像；所述機器學習模型為對稱卷積神經網絡模型。

7.一種圖像處理裝置，包括：

獲取模塊，用于獲取待處理圖像；所述待處理圖像的數量多于一個；各所述待處理圖像根據同一成像目標成像得到；

確定模塊，用于確定所述待處理圖像所屬的模態類別；所述模態類別用于表征所述待處理圖像的成像方式；

編碼模塊，用于將屬于相同模態類別的待處理圖像的圖像尺寸調整至統一的圖像尺寸；分別通過各模態類別相應的機器學習模型中的編碼器，將屬于相應模態類別、且經過圖像尺寸調整的待處理圖像，共同編碼為語義分割特征矩陣；其中，各所述語義分割特征矩陣解碼后得到的語義分割圖像，具有表示所屬分類類別的像素值，且與編碼自的各待處理圖像中的像素點按像素位置對應；所述語義分割特征矩陣屬于所述待處理圖像中圖像內容的語義特征表達；

解碼模塊，用于通過所述機器學習模型中的解碼器解碼所述語義分割特征矩陣得到語義分割圖像；所述語義分割圖像中的像素點，具有表示所屬分類類別的像素值，且與所述待處理圖像中的像素點對應；

分割模塊，用于根據屬于目標分類類別的像素點確定目標圖像區域。