一种图像处理方法以及装置制造方法及图纸

本发明专利技术提供了一种图像处理方法以及装置，其中，该方法包括：接收输入的待处理图像；采用预设候选框确定方法对待处理图像进行处理，确定可能包含待处理图像中目标的候选框；确定待处理图像中目标与确定的各候选框内目标之间的相似度；基于相似度达到预设相似度阈值的候选框，对待处理图像进行分类处理。该方法通过确定待处理图像中目标与确定的各候选框之内目标之间的相似度，来对候选框进行进一步的筛选，只有在待处理图像中目标与确定的各候选框之间的相似度达到预设相似度阈值的候选框，才会将其基于深度学习算法进行分类，从而能够减少输入至CNN的筛选窗口数量，减小对筛选窗口进行特征提取以及训练时所需的计算量，缩短图像处理时间。

【技术实现步骤摘要】
一种图像处理方法以及装置
本专利技术涉及图像处理
，具体而言，涉及一种图像处理方法以及装置。
技术介绍
随着计算机和人工智能技术的发展，探测机器人可以代替人进入危险环境或者无法到达的区域进行探测和工作，如军事制导、民用、海洋勘探、矿井探测、反恐排爆等领域，探测人员不需要亲临现场，只需要远程接收探测机器人发送的探测图像或者探测数据就能够实现探测目的。为了实现对特定物的识别，探测机器人通常具有视觉识别和视频跟踪功能，该功能的基础即为图像识别。目前采用深度学习对图像进行识别或者对图像识别模型进行训练的时候，所采用的方法一般包括三种，分别为区域卷积学习神经网络(RegionswithConvolutionalNeuralNetwork，R-CNN)、快速区域卷积学习神经网络(FastRegionswithConvolutionalNeuralNetwork，FastR-CNN)以及FasterR-CNN。R-CNN中首先采用目标检测算法从待识别图像中提取2000个左右的筛选窗口，然后将每个筛选窗口中的图像缩放成227×227的大小，并输入至卷积神经学习网络(ConvolutionalNeuralNetwork，CNN)；FastR-CNN与R-CNN类似，也是采用目标检测算法从待识别图像中提取2000个左右的筛选窗口；再将待识别图像输入至CNN中；而对于FasterR-CNN，首先将待识别图像输入至CNN进行特征提取，然后生成300个筛选窗口，然后把筛选窗口隐射到CNN的最后一层卷积层上。以上不论哪种图像处理方法，都会在将筛选窗口输入至CNN之前，产生大量的筛选窗口，导致在对筛选窗口进行特征提取以及训练时所需计算量大，需要耗费的时间长。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种图像处理方法以及装置，能够减少输入至CNN的筛选窗口数量，减小对筛选窗口进行特征提取以及训练时所需的计算量，缩短图像处理时间。第一方面，本专利技术实施例提供了一种图像处理方法，包括：接收输入的待处理图像；采用预设候选框确定方法对所述待处理图像进行处理，确定可能包含所述待处理图像中目标的候选框；确定所述待处理图像中目标与确定的各候选框内目标之间的相似度；基于相似度达到预设相似度阈值的候选框，对所述待处理图像进行分类处理。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中：确定所述待处理图像中目标与确定的各候选框内目标之间的相似度，具体包括：采用预设特征提取方法对所述确定的候选框以及所述待处理图像进行特征提取；采用预设边缘检测算法确定所述待处理图像中提取的第一目标特征，以及所述确定的各候选框中提取的第二目标特征；确定所述第一目标特征分别与各第二目标特征之间的相似度。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中：所述预设特征提取方法包括：方向梯度直方图HOG特征提取，以及局部二值模式LBP(LocalBinaryPattern)特征提取。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中：采用预设候选框确定方法对所述待处理图像进行处理，确定可能包含所述待处理图像中目标的候选框，具体包括：采用预设候选框确定方法对所述待处理图像进行处理，确定与所述待处理图像中目标重合区域大于预设阈值的候选框；并将确定的候选框确定为可能包含所述待处理图像中目标的候选框。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中：针对所述方法应用于R-CNN模型的情况，采用预设候选框确定方法对所述待处理图像进行处理，确定可能包含所述待处理图像中目标的候选框，具体包括：采用预设数量大小不同的候选框对所述待处理图像进行扫描；采用非极大抑制算法从完成扫描的候选框中确定与待处理图像中目标重合区域大于预设阈值的候选框，并作为可能包含所述待处理图像中目标的候选框；针对所述方法应用于FasterR-CNN模型的情况，采用预设候选框确定方法对所述待处理图像进行处理，确定可能包含所述待处理图像中目标的候选框，具体包括：采用区域建议网络RPN对所述待处理图像进行处理，确定检测评价函数IoU评价指标的指标值符合预设阈值的候选框，并作为可能包含所述待处理图像中目标的候选框。第二方面，本专利技术实施例还提供一种图像处理装置，包括：接收模块，用于接收输入的待处理图像；选取模块，用于采用预设候选框确定方法对所述待处理图像进行处理，确定可能包含所述待处理图像中目标的候选框；确定模块，用于确定所述待处理图像中目标与确定的各候选框内目标之间的相似度；处理模块，用于基于相似度达到预设相似度阈值的候选框，对所述待处理图像进行分类处理。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中：所述确模块，具体用于：采用预设特征提取方法对所述确定的候选框以及所述待处理图像进行特征提取；采用预设边缘检测算法确定所述待处理图像中提取的第一目标特征，以及所述确定的各候选框中提取的第二目标特征；确定所述第一目标特征分别与各第二目标特征之间的相似度。结合第二方面，本专利技术实施例提供了第二方面的第二种可能的实施方式，其中：所述预设特征提取方法包括：方向梯度直方图HOG特征提取，以及局部二值模式LBP(LocalBinaryPattern)特征提取。结合第二方面，本专利技术实施例提供了第二方面的第三种可能的实施方式，其中：所述选取模块，具体用于：采用预设候选框确定方法对所述待处理图像进行处理，确定与所述待处理图像中目标重合区域大于预设阈值的候选框；并将确定的候选框确定为可能包含所述待处理图像中目标的候选框。结合第二方面，本专利技术实施例提供了第二方面的第四种可能的实施方式，其中：针对所述方法应用于R-CNN模型的情况，所述选取模块，具体用于：采用预设数量大小不同的候选框对所述待处理图像进行扫描；采用非极大抑制算法从完成扫描的候选框中确定与待处理图像中目标重合区域大于预设阈值的候选框，并作为可能包含所述待处理图像中目标的候选框；针对所述方法应用于FasterR-CNN模型的情况，所述选取模块，具体用于：采用区域建议网络RPN对所述待处理图像进行处理，确定检测评价函数IoU评价指标的指标值符合预设阈值的候选框，并作为可能包含所述待处理图像中目标的候选框。本申请实施例所提供的图像处理方法以及装置，在采用与蛇候选框确定方法对接入的待处理图像进行处理时，确定可能包含待处理图像中目标的候选框后，再通过确定待处理图像中目标与确定的各候选框之内目标之间的相似度，来对候选框进行进一步的筛选，只有在待处理图像中目标与确定的各候选框之间的相似度达到预设相似度阈值的候选框，才会将其基于深度学习算法进行分类，从而能够减少输入至CNN的筛选窗口数量，减小对筛选窗口进行特征提取以及训练时所需的计算量，缩短图像处理时间。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相本文档来自技高网...

【技术保护点】
一种图像处理方法，其特征在于，包括：接收输入的待处理图像；采用预设候选框确定方法对所述待处理图像进行处理，确定可能包含所述待处理图像中目标的候选框；确定所述待处理图像中目标与确定的各候选框内目标之间的相似度；基于相似度达到预设相似度阈值的候选框，对所述待处理图像进行分类处理。

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：接收输入的待处理图像；采用预设候选框确定方法对所述待处理图像进行处理，确定可能包含所述待处理图像中目标的候选框；确定所述待处理图像中目标与确定的各候选框内目标之间的相似度；基于相似度达到预设相似度阈值的候选框，对所述待处理图像进行分类处理。2.根据权利要求1所述的方法，其特征在于，确定所述待处理图像中目标与确定的各候选框内目标之间的相似度，具体包括：采用预设特征提取方法对所述确定的候选框以及所述待处理图像进行特征提取；采用预设边缘检测算法确定所述待处理图像中提取的第一目标特征，以及所述确定的各候选框中提取的第二目标特征；确定所述第一目标特征分别与各第二目标特征之间的相似度。3.根据权利要求1或2所述的方法，其特征在于，所述预设特征提取方法包括：方向梯度直方图HOG特征提取，以及局部二值模式LBP(LocalBinaryPattern)特征提取。4.根据权利要求1所述的方法，其特征在于，采用预设候选框确定方法对所述待处理图像进行处理，确定可能包含所述待处理图像中目标的候选框，具体包括：采用预设候选框确定方法对所述待处理图像进行处理，确定与所述待处理图像中目标重合区域大于预设阈值的候选框；并将确定的候选框确定为可能包含所述待处理图像中目标的候选框。5.根据权利要求1所述的方法，其特征在于，针对所述方法应用于R-CNN模型的情况，采用预设候选框确定方法对所述待处理图像进行处理，确定可能包含所述待处理图像中目标的候选框，具体包括：采用预设数量大小不同的候选框对所述待处理图像进行扫描；采用非极大抑制算法从完成扫描的候选框中确定与待处理图像中目标重合区域大于预设阈值的候选框，并作为可能包含所述待处理图像中目标的候选框；针对所述方法应用于FasterR-CNN模型的情况，采用预设候选框确定方法对所述待处理图像进行处理，确定可能包含所述待处理图像中目标的候选框，具体包括：采用区域建议网络RPN对所述待处理图像进行...

【专利技术属性】
技术研发人员：孙源良，夏虎，段立新，樊雨茂，
申请(专利权)人：国信优易数据有限公司，
类型：发明
国别省市：北京,11