[發明專利]圖像處理方法、裝置、電子設備和計算機可讀介質

在審

• 申請號: 202010822524.4
• 申請日: 2020-08-14
• 公開（公告）號: CN112101376A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 熊鵬飛
• 申請（專利權）人: 北京邁格威科技有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/42;G06K9/62
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 何少巖

本發明提供了一種圖像處理方法、裝置、電子設備和計算機可讀介質，包括：獲取待處理圖像，并對待處理圖像進行特征提取，得到多尺度的特征圖；對多尺度的特征圖中顯著性物體所對應的部分進行強化處理，得到多尺度的強化特征圖；對多尺度的強化特征圖進行圖像還原，得到與待處理圖像對應的顯著性物體蒙版。本發明的方法對多尺度的特征圖中顯著性物體所對應的部分進行強化處理后，得到的多尺度的強化特征圖中，顯著性物體所對應的特征圖更加突出，最后對多尺度的強化特征圖進行圖像還原后，分割得到的顯著性物體蒙版更加準確，緩解了現有的顯著性物體分割方法在對圖像進行處理時，精度差的技術問題。

技術領域

本發明涉及圖像處理的技術領域，尤其是涉及一種圖像處理方法、裝置、電子設備和計算機可讀介質。

背景技術

顯著性物體分割(Salient Object Segmentation)是計算機視覺(ComputerVision)的一個重要課題。在手機自動對焦、無人駕駛、場景理解、圖像編輯等領域中都有著非常廣泛的應用。顯著性物體分割的目的是在一張圖像中將顯著物體的像素點與其它背景像素點區分出來。不同于傳統的語義分割任務，顯著性物體并不屬于同一類物體，并沒有語義相關的標簽。但是顯著性物體往往處于圖像中間，且顏色豐富，如圖1(a)所示，圖1(b)為與圖1(a)對應的顯著性物體分割結果示意圖。

現有的顯著性物體分割方法主要分為兩類。其中一類是通過對圖像的紋理進行分析，確定出圖像中紋理豐富的區域，繼而通過聚類方法，將物體和其它紋理單一的區域區分出來。這種方法受限于聚類方法，很難獲得較高的精度；另外一類是將顯著性物體分割看作標準物體分割問題。但是標準物體分割是將圖像中預設種類的物體分割出來，例如，將圖像中的人、車、狗分割出來，但是這些物體對于某張特定的圖像來講，可能并不是顯著性物體，或者并不是所有的都是顯著性物體，這就導致分割出的顯著性物體出現錯誤。

綜上，現有的顯著性物體分割方法在對圖像進行處理時，存在精度差的技術問題。

發明內容

有鑒于此，本發明的目的在于提供一種圖像處理方法、裝置、電子設備和計算機可讀介質，以緩解現有的顯著性物體分割方法在對圖像進行處理時，精度差的技術問題。

第一方面，本發明實施例提供了一種圖像處理方法，包括：獲取待處理圖像，并對所述待處理圖像進行特征提取，得到多尺度的特征圖；對所述多尺度的特征圖中顯著性物體所對應的部分進行強化處理，得到多尺度的強化特征圖；對所述多尺度的強化特征圖進行圖像還原，得到與所述待處理圖像對應的顯著性物體蒙版。

進一步的，對所述待處理圖像進行特征提取包括：對所述待處理圖像進行多層下采樣處理，得到多尺度的原始特征圖；對所述多尺度的原始特征圖進行優化處理，得到所述多尺度的特征圖。

進一步的，對所述多尺度的原始特征圖進行優化處理包括：對所述多尺度的原始特征圖中的目標原始特征圖進行第一優化處理，得到第一優化的特征圖，其中，所述目標原始特征圖為所述多尺度的原始特征圖中，除最高維原始特征圖以外的特征圖；對所述多尺度的原始特征圖中的最高維原始特征圖進行第二優化處理，得到第二優化的特征圖；將所述第一優化的特征圖和所述第二優化的特征圖作為所述多尺度的特征圖。

進一步的，對所述多尺度的原始特征圖中的目標原始特征圖進行第一優化處理包括：利用第一優化模塊對所述目標原始特征圖進行優化處理，得到第一初始優化的特征圖，其中，所述第一優化模塊包括：預設數量個第一卷積層；將所述第一初始優化的特征圖和其對應的目標原始特征圖進行加和運算，得到所述第一優化的特征圖。