[發明專利]一種圖像處理方法及裝置

在審

• 申請號: 202210559683.9
• 申請日: 2022-05-20
• 公開（公告）號: CN114842032A
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 王孝星;張慶;田曉偉;紀海晶;李岳陽
• 申請（專利權）人: 西門子愛克斯射線真空技術（無錫）有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/00;G06T3/40;G06N3/04
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 計亞婷

本公開涉及一種圖像處理方法，用于對輸入圖像進行分割，包括：獲取所述輸入圖像；使用圖像分割模型，對所述輸入圖像進行處理；輸出經處理后的輸出圖像；其中，所述圖像分割模型是嵌入全局特征獲取模塊的第一卷積神經網絡，并且，所述全局特征獲取模塊嵌入所述第一卷積神經網絡的卷積層與池化層之間。根據本公開，提供一種圖像分割方法，可以在更大視野上對圖像進行分割，對于目標物較大的情形更為有效。

技術領域

本公開涉及圖像處理領域，具體地，本公開涉及一種對圖像中的特定對象進行分割的處理方法和裝置。

背景技術

對圖像進行分割是圖像處理科學的重要任務，卷積神經網絡是重要的圖像分割工具，但是，對于圖像中大尺寸的對象，單層卷積僅能感受局部的視野，為感受更大視野，僅能通過疊加多個卷積層，這樣造成效率很低。

發明內容

有鑒于此，本公開提供一種圖像處理方法和裝置。

根據本公開的示例性實施例，一種圖像處理方法，用于對輸入圖像進行分割，包括：獲取所述輸入圖像；使用圖像分割模型，對所述輸入圖像進行處理；輸出經處理后的輸出圖像；其中，所述圖像分割模型是嵌入全局特征獲取模塊的第一卷積神經網絡，并且，所述全局特征獲取模塊嵌入所述第一卷積神經網絡的卷積層與池化層之間。

根據本公開的示例性實施例，所述第一卷積神經網絡是由下采樣層和上采樣層構成的U型卷積神經網絡。

根據本公開的示例性實施例，所述全局特征獲取模塊對特征從坐標空間映射到交互空間，使用圖卷積網絡進一步推理來獲取全局特征，最后反映射回坐標空間。

根據本公開的示例性實施例，所述全局特征獲取模塊是GloRe單元。

根據本公開的示例性實施例，所述U型卷積神經網絡是UNet模型，所述圖像分割模型的下采樣層由五組卷積層組和一個GloRe單元組成，其中，GloRe單元插入第一個卷積層組和第二個卷積層組之間。

根據本公開的示例性實施例，在獲取輸入圖像前，還包括：獲取第一圖像；對所述第一圖像進行縮放，得到第二圖像；將所述第二圖像采用滑動窗口進行分塊操作，得到多個輸入圖像；得到所述輸出圖像后，還包括：對每個輸入圖像得到的輸出圖像進行拼接，得到分割圖像。

根據本公開的示例性實施例，一種圖像處理裝置，其特征在于，包括：至少一個處理器；計算機存儲介質，存儲有計算機程序，所述計算機程序在被所述至少一個處理器執行時實現本公開實施例中的方法。

根據本公開的示例性實施例，一種存儲有計算機程序的計算機可讀存儲介質，其中，所述計算機程序在被處理器執行時實現本公開實施例中的方法。

根據本公開的示例性實施例，一種計算機程序產品，包括計算機程序，其中，所述計算機程序在被處理器執行時實現本公開實施例中的方法。

根據本公開提供的圖像處理方法，可以對圖像中較大的對象有效進行分割。

附圖說明

下面將通過參照附圖詳細描述本發明的優選實施例，使本領域的普通技術人員更清楚本發明的上述及其它特征和優點，附圖中：

圖1為本公開示例性的基于嵌入圖卷積語義分割的金屬表面瑕疵檢測方法的流程圖；

圖2為本公開示例性實施例中預處理后的部分數據樣本；

圖3為本公開示例性實施例中圖卷積GloRe方法的原理圖；

圖4為本公開示例性實施例中基于嵌入圖卷積的UNet網絡模型圖；

圖5為本公開示例性實施例中部分瑕疵預測結果圖；

具體實施方式