整合目标检测和图像分割为一体的智能分割方法技术

本发明专利技术公开了一种整合目标检测和图像分割为一体的智能分割方法，该方法利用神经网络提取的高维度特征将目标提取出来，由于基于深度学习的目标检测网络Faster‑RCNN具有高效性，能快速准确的将目标区域识别出来，因此可以利用该特性先将目标感兴趣区域提取出来，然后再有针对性的对该区域进行目标分割。本发明专利技术方法能够自动检测并提取感兴趣区域，能够减少GPU计算资源的占用，快速准确的将目标分割出来；在图像数量规模巨大的情况下，该方法具有高效的实施性，能够减少人工交互的过程。

【技术实现步骤摘要】
整合目标检测和图像分割为一体的智能分割方法
本专利技术涉及计算机图形图像处理技术，尤其针对三维重建中的目标物体序列图像智能分割，具体为整合目标检测和图像分割为一体的智能分割方法。
技术介绍
在基于图像序列的三维重建中，目标分割的准确性和速度对重建的质量和效率起到决定性的作用。图像分割广泛应用于军事、遥感、气象、医学等多个领域，是图像处理中的难点。由于图像数量多、周围环境极其复杂多变，物体材质各异等因素导致不能使用某种单一的方法进行批量自动分割，目前基于图像序列的目标分割采用Photoshop软件，人工参与的过程降低了三维重建的效率。国内外专家针对不同目标的图像分割具体应用提出了很多方法，归纳为四类：阈值分割，边缘检测分割，区域提取分割和结合特定理论的分割，但都存在应用范围上的局限和技术的不足：1)阈值分割方法局限在灰度图像范围，具体为：先确定一个处于灰度图像取值范围之中的灰度阈值，然后将图像中各个像素值与之比较，灰度值大于阈值的像素归为一类，灰度值小于阈值的归为另一类。从而达到分离前景和背景。对三维重建中的目标物体，单独的考虑灰度值信息，丢弃大量的图像色彩纹理信息，造成对噪声的极度敏本文档来自技高网...

【技术保护点】
一种整合目标检测和图像分割为一体的智能分割方法，其特征是：包括如下步骤：S10:将序列图像预处理并进行语义标注后制作数据集；S20:整合目标检测和图像分割的神经网络并对其进行训练，得到优化后的网络模型；S30:将预分割图像加载到优化的网络模型中，得到高清分割结果。

【技术特征摘要】
1.一种整合目标检测和图像分割为一体的智能分割方法，其特征是：包括如下步骤：S10:将序列图像预处理并进行语义标注后制作数据集；S20:整合目标检测和图像分割的神经网络并对其进行训练，得到优化后的网络模型；S30:将预分割图像加载到优化的网络模型中，得到高清分割结果。2.根据权利要求1所述的整合目标检测和图像分割为一体的智能分割方法，其特征是：所述步骤S10中，所述的将序列图像预处理并进行语义标注后制作数据集的过程，包括如下步骤：S11:去噪处理，采用HSV色彩空间模型对V通道进行高斯平滑处理以减少噪声；S12:数据标注，利用Photoshop软件对归一化后的图像进行语义标注形成标签图,每个像素的标签对应所属的类别，其中目标区域标记为1，背景区域标记为0；S13：扩增数据集，通过对归一化后的图像及其标签图进行旋转、镜像操作获得扩大后的数据集,数量为原始数量的8倍。3.根据权利要求1所述的整合目标检测和图像分割为一体的智能分割方法，其特征是：所述步骤S20中，所述的整合目标检测和图像分割的神经网络并对其进行训练，得到优化后的网络模型，其过程包括如下步骤：S21:将图像输入目...

【专利技术属性】
技术研发人员：温佩芝，苗渊渊，邵其林，张文新，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45