[發明專利]用于分割圖像的方法和裝置

在審

• 申請號: 201811492808.0
• 申請日: 2018-12-07
• 公開（公告）號: CN111292333A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 陸苗;陳標龍
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/155;G06T7/194
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于分割圖像的方法，包括：

獲取目標圖像，其中，所述目標圖像包括前景圖像；

將所述目標圖像輸入至預先訓練的語義分割模型，得到概率集合，其中，概率用于表征所述目標圖像包括的像素點位于所述前景圖像所在的區域的概率；

基于所述概率集合，對所述前景圖像所在的區域進行膨脹操作，得到膨脹操作后圖像，其中，所述膨脹操作用于增加所述前景圖像所在的區域包括的像素點的數量；

基于所述目標圖像和所述膨脹操作后圖像，將所述目標圖像分割為前景圖像和非前景圖像。

2.根據權利要求1所述的方法，其中，所述前景圖像包括面部圖像；以及

所述基于所述概率集合，對所述前景圖像所在的區域進行膨脹操作，得到膨脹操作后圖像，包括：

確定所述面部圖像在所述目標圖像中的位置；

基于所述概率集合，對所述前景圖像進行膨脹操作，得到膨脹前景圖像；

針對所述膨脹前景圖像中的像素點，響應于確定該像素點與所述位置之間的距離小于預設距離閾值，將該像素點確定為目標像素點；

將所述膨脹前景圖像中的目標像素點組成的圖像確定為膨脹操作后圖像。

3.根據權利要求1所述的方法，其中，所述語義分割模型是預先通過如下步驟訓練得到的：

獲取訓練樣本集合，其中，訓練樣本包括圖像和圖像對應的標注信息集合，標注信息用于表征圖像中的像素點是否位于前景圖像所在的區域；

利用機器學習算法，將訓練樣本包括的圖像作為輸入，將輸入的圖像對應的標注信息集合作為期望輸出，訓練得到語義分割模型。

4.根據權利要求1所述的方法，其中，所述基于所述目標圖像和所述膨脹操作后圖像，將所述目標圖像分割為前景圖像和非前景圖像，包括：

采用Global Matting算法或深度摳圖算法Deep Image Matting，基于所述目標圖像和所述膨脹操作后圖像，將所述目標圖像分割為前景圖像和非前景圖像。

5.根據權利要求1-4之一所述的方法，其中，所述語義分割模型的結構為deeplab v3plus結構。

6.一種用于提取圖像的裝置，包括：

獲取單元，被配置成獲取目標圖像，其中，所述目標圖像包括前景圖像；

輸入單元，被配置成將所述目標圖像輸入至預先訓練的語義分割模型，得到概率集合，其中，概率用于表征所述目標圖像包括的像素點位于所述前景圖像所在的區域的概率；

膨脹單元，被配置成基于所述概率集合，對所述前景圖像所在的區域進行膨脹操作，得到膨脹操作后圖像；

提取單元，被配置成基于所述目標圖像和所述膨脹操作后圖像，將所述目標圖像分割為前景圖像和非前景圖像。

7.根據權利要求6所述的裝置，其中，所述前景圖像包括面部圖像；以及

所述膨脹單元包括：

第一確定模塊，被配置成確定所述人臉在所述目標圖像中的位置；

膨脹模塊，被配置成基于所述概率集合，對所述前景圖像進行膨脹操作，得到膨脹前景圖像；

第二確定模塊，被配置成針對所述膨脹前景圖像中的像素點，響應于確定該像素點與所述位置之間的距離小于預設距離閾值，將該像素點確定為目標像素點；

第三確定模塊，被配置成將所述膨脹前景圖像中的目標像素點組成的圖像確定為膨脹操作后圖像。

8.根據權利要求6所述的裝置，其中，所述語義分割模型是預先通過如下步驟訓練得到的：

獲取訓練樣本集合，其中，訓練樣本包括圖像和圖像對應的標注信息集合，標注信息用于表征圖像中的像素點是否位于前景圖像所在的區域；

利用機器學習算法，將訓練樣本包括的圖像作為輸入，將輸入的圖像對應的標注信息集合作為期望輸出，訓練得到語義分割模型。