The present invention relates to an image processing method, device, storage medium and computer equipment. The image processing method includes: acquiring the image to be processed; determining the modal category to which the image to be processed belongs; and encoding the image to be processed as a semantic segmentation feature matrix through the machine learning model corresponding to the modal category. A semantically segmented image is obtained by decoding the semantically segmented feature matrix; the pixels in the semantically segmented image have a pixel value representing the category to which they belong and correspond to the pixels in the image to be processed; and the target image region is determined according to the pixels belonging to the category of the target classification. The scheme provided by this application improves the accuracy of image processing.
【技术实现步骤摘要】
图像处理方法、装置、存储介质和计算机设备
本专利技术涉及计算机
,特别是涉及一种图像处理方法、装置、存储介质和计算机设备。
技术介绍
随着计算机技术的发展,人们越来越多地通过图像来传递信息,而图像中承载的内容也越来越丰富多样。目前,人们已不止于对图像本身进行分类,而更多的是对图像中的内容进行语义分割,找出对图像中感兴趣的区域。然而,目前对于图像进行语义分割找出图像中的感兴趣区域时,一般是人们根据经验人为的从图像中查找出感兴趣区域,这种人为查找具有很强的主观性,从而导致图像处理的准确性比较低。
技术实现思路
基于此,有必要针对目前图像处理的准确性比较低的问题,提供一种图像处理方法、装置、存储介质和计算机设备。一种图像处理方法,包括:获取待处理图像;确定所述待处理图像所属的模态类别;通过所述模态类别相应的机器学习模型,将所述待处理图像编码为语义分割特征矩阵;解码所述语义分割特征矩阵得到语义分割图像;所述语义分割图像中的像素点,具有表示所属分类类别的像素值,且与所述待处理图像中的像素点对应;根据属于目标分类类别的像素点确定目标图像区域。一种图像处理装置,包括:获取模块,用于获取待处理图像;确定模块,用于确定所述待处理图像所属的模态类别;编码模块,用于通过所述模态类别相应的机器学习模型,将所述待处理图像编码为语义分割特征矩阵;解码模块,用于解码所述语义分割特征矩阵得到语义分割图像;所述语义分割图像中的像素点,具有表示所属分类类别的像素值,且与所述待处理图像中的像素点对应;分割模块,用于根据属于目标分类类别的像素点确定目标图像区域。一种计算机可读存储介质,所述计算 ...
【技术保护点】
1.一种图像处理方法,包括:获取待处理图像;确定所述待处理图像所属的模态类别;通过所述模态类别相应的机器学习模型,将所述待处理图像编码为语义分割特征矩阵;解码所述语义分割特征矩阵得到语义分割图像;所述语义分割图像中的像素点,具有表示所属分类类别的像素值,且与所述待处理图像中的像素点对应;根据属于目标分类类别的像素点确定目标图像区域。
【技术特征摘要】
1.一种图像处理方法,包括:获取待处理图像;确定所述待处理图像所属的模态类别;通过所述模态类别相应的机器学习模型,将所述待处理图像编码为语义分割特征矩阵;解码所述语义分割特征矩阵得到语义分割图像;所述语义分割图像中的像素点,具有表示所属分类类别的像素值,且与所述待处理图像中的像素点对应;根据属于目标分类类别的像素点确定目标图像区域。2.根据权利要求1所述的方法,其特征在于,所述确定所述待处理图像所属的模态类别,包括:获取所述待处理图像所对应的图像成像信息;根据所述图像成像信息,确定所述待处理图像所对应的模态;将所述模态所属的模态类别作为所述待处理图像所属的模态类别。3.根据权利要求1所述的方法,其特征在于,所述待处理图像的数量多于一个;各所述待处理图像根据同一成像目标成像得到;所述通过所述模态类别相应的机器学习模型,将所述待处理图像编码为语义分割特征矩阵,包括:将属于相同模态类别的待处理图像的图像尺寸调整至统一的图像尺寸;分别通过各模态类别相应的机器学习模型,将属于相应模态类别、且经过图像尺寸调整的待处理图像,共同编码为语义分割特征矩阵;其中,各所述语义分割特征矩阵解码后得到的语义分割图像,具有表示所属分类类别的像素值,且与编码自的各待处理图像中的像素点按像素位置对应。4.根据权利要求3所述的方法,其特征在于,所述将属于相同模态类别的待处理图像的图像尺寸调整至统一的图像尺寸,包括:查询各模态类别相应的机器学习模型各自关联的参考图像尺寸;对各所述待处理图像进行像素点采样,以将各待处理图像的图像尺寸调整至所属模态类别相应的机器学习模型所关联的参考图像尺寸。5.根据权利要求3所述的方法,其特征在于,所述根据属于目标分类类别的像素点确定目标图像区域,包括:根据各所述语义分割图像中属于目标分类类别的像素点,相应确定各所述语义分割图像中的目标图像区域;或者根据各所述语义分割图像中像素点与编码自的各待处理图像中的像素点的对应关系,确定各待处理图像中的各像素点各自对应的分类类别;根据各所述待处理图像中属于目标分类类别的像素点,相应确定各所述语义分割图像中的目标图像区域。6.根据权利要求3所述的方法,其特征在于,所述各模态类别相应的机器学习模型的生成步骤包括:收集属于各模态类别的图像样本;为各模态类别相应的机器学习模型关联参考图像尺寸;分别将属于各模态类别的图像样本的图像尺寸,调整至所属模态类别相应的机器学习模型所关联的参考图像尺寸;确定各所述图像样本中各像素点所对应的分类类别;根据各所述图像样本和各所述图像样本中各像素点所对应的分类类别,训练所属模态类别相应的机器学习模型。7.根据权利要求1至6中任一项所述的方法,其特征在于,所述待处理图像为医学图像;所述机器学习模型为对称卷积神经网络模型。8.一种图像处理装置,包括:获取模块,用于获取待...
【专利技术属性】
技术研发人员:王睿,孙星,郭晓威,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。