图像处理设备和图像处理方法技术
【技术实现步骤摘要】
本专利技术一般涉及图像处理、计算机视觉和图形识别领域，具体地涉及多类别分割领域，更具体地涉及对图像中的每个区域进行分类的设备和方法。
技术介绍
多类别分割是一种将图像分割为不同区域的方法。图像的每个区域被分类到预定类别，诸如天空、绿色、人体和其他。该方法有助于解析图像的场景。图1是多类别分割的示意图。如图1所示，每个分割区域属于预定类别。Richard Socher(可以参考Richard Socher,Cliff Chiung-Yu Lin,Andrew Y.Ng.Pars Natural Scenes and Natural Language with Recursive Neural Networks.Proceed of the28th Internal Conference on Machine Learn,Bellevue,WA,USA,2011)提出了一种称为递归神经网络(RNN)的多类别分割方法。图2示例性示出RNN分割方法的流程图。<...
【技术保护点】
一种对图像中的每个区域进行分类的图像处理方法，包括：置信度生成步骤，针对图像中的每个区域生成分类置信度，分类置信度代表一个区域属于预定类别的可能性；和分类步骤，基于计算出的置信度，将图像中易于根据分类置信度分类的清楚区域分类到相应的类别，该方法还包括:模糊区域提取步骤，从图像中提取一个或多个不易根据分类置信度分类的不清楚区域，作为模糊区域；和置信度更新步骤，基于每个模糊区域的近邻区域的分类置信度来更新每个模糊区域的分类置信度，其中分类步骤还基于更新的分类置信度将各模糊区域分类到相应的类别。
【技术特征摘要】
1.一种对图像中的每个区域进行分类的图像处理方法，包括：
置信度生成步骤，针对图像中的每个区域生成分类置信度，分类
置信度代表一个区域属于预定类别的可能性；和
分类步骤，基于计算出的置信度，将图像中易于根据分类置信度
分类的清楚区域分类到相应的类别，
该方法还包括:
模糊区域提取步骤，从图像中提取一个或多个不易根据分类置信
度分类的不清楚区域，作为模糊区域；和
置信度更新步骤，基于每个模糊区域的近邻区域的分类置信度来
更新每个模糊区域的分类置信度，
其中分类步骤还基于更新的分类置信度将各模糊区域分类到相
应的类别。
2.根据权利要求1的图像处理方法，其中模糊区域提取步骤和
置信度更新步骤被重复一次或多次。
3.根据权利要求1的图像处理方法，其中模糊区域提取步骤包
括：
置信度归一化步骤，对图像中的每个区域的分类置信度进行归一
化；
置信度差值计算步骤，计算每个区域的最大分类置信度和次最大
分类置信度之间的差值；和
模糊区域判定步骤，将计算出的置信度差值低于预定阈值的区域
判定为模糊区域。
4.根据权利要求1的图像处理方法，其中模糊区域提取步骤包
括：
置信度图生成步骤，基于每个区域的分类置信度产生针对每个类
别的置信度图；
区域分割步骤，基于预定阈值将每个置信度图分割为每个类别的
前景区域和背景区域；和
模糊区域判定步骤，将不是被分割为仅仅一个类别的前景区域的
区域判定为模糊区域。
5.根据权利要求3或4的图像处理方法，其中
模糊区域提取步骤还包括合并相邻模糊区域的模糊区域合并步
骤。
6.根据权利要求4的图像处理方法，其中在区域分割步骤中，
每个置信度图基于Graph-cut方法被分割为每个类别的前景区域和背
景区域。
7.根据权利要求1的图像处理方法，其中置信度更新步骤包括：
近邻图建立步骤，取得每个模糊区域的近邻信息；
加权置信度计算步骤，基于近邻信息，对每个模糊区域的分类置
信度和该模糊区域的近邻区域的分类置信度进行加权累加，得到各个
模糊区域的相应累加分类置信度；和
置信度归一化步骤，对各个模糊区域的相应累加分类置信度进行
归一化作为更新的分类置信度。
8.根据权利要求5的图像处理方法，其中置信度更新步骤包括：
近邻图建立步骤，取得在模糊区域提取步骤中获得的每个合并模
糊区域的近邻信息；
加权置信度计算步骤，基于近邻信息，对在每个合并模糊区域中
的各模糊区域的分类置信度和该合并模糊区域的近邻区域的分类置信
度进行加权累加，得到各个模糊区域的相应累加分类置信度；和
置信度归一化步骤，对各个模糊区域的相应累加分类置信度进行
归一化作为更新的分类置信度。
9.根据权利要求1的图像处理方法，其中置信度生成步骤包括:
区域分割步骤，将图像分割为多个不重叠的区域；
特征提取步骤，提取每个区域的特征；和
置信度计算步骤，针对每个预定类别基于训练模型计算每个区域
的分类置信度。
10.根据权利要求1-9中的任一项的图像处理方法在图像构图
或图像搜索领域中的应用...
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。