图像中物体轮廓精度提升方法、装置和计算机程序产品制造方法及图纸

本发明专利技术公开了一种图像中物体轮廓精度提升方法、装置和计算机程序产品。其中，方法包括：根据分割模型的输出图像以及原始图像，逐层构建图像金字塔，并在构建每层图像的同时，基于上一层图像中的物体轮廓确定当前层图像中物体的当前轮廓线；对所述当前轮廓线进行扩展；利用所述当前轮廓线及其扩展结果，在所述当前层图像中优化物体轮廓精度；按上述方式逐层处理，直至得到符合原始图像精度的目标轮廓。本发明专利技术能够使经由分割模型处理后的图像的物体轮廓与原始图像的物体轮廓相匹配，并且不涉及对分割模型的输入图像的处理，因而不会增加算法网络的运行压力，进一步地，本发明专利技术实现方式简便高效，从而可以节省整体运算资源。

Methods, devices and computer program products for improving contour accuracy of objects in images

【技术实现步骤摘要】
图像中物体轮廓精度提升方法、装置和计算机程序产品
本专利技术涉及图像处理
，尤其涉及一种图像中物体轮廓精度提升方法、装置和计算机程序产品。
技术介绍
提取图像中某物体的轮廓属于图像处理领域中的图像分割问题，在诸如军事、医学和影视后期制作等各其他相关领域中都有着较为广泛的应用。近年来随着深度学习等算法的发展，通用的图像分割(轮廓提取)等效果有了极大的改进，逐渐具备了实用性。不过深度学习等算法在处理轮廓提取问题时，会受限于下述因素：1)图像分割网络模型(本专利技术简称为分割模型，诸如神经网络等)要求输入图像的尺寸是固定的。在现阶段图像分率逐步趋高的前提下，原始图像(即未压缩的待处理原图)通常需要经由压缩处理，得到一个用于分割模型的低分辨率的输入图像，经由分割模型提取物体轮廓后的输出图像(例如掩码图)的尺寸则与输入图像是一致的，即该输出图像中的物体轮廓是基于低分辨率条件下的轮廓曲线。2)计算量与图像尺寸成正比。不能简单地从算法输入端单纯考虑提升输入图像的分辨率甚至不进行压缩处理的方式，这对于目前应用场景的算力而言是极为不现实的。在这样的技术前提下，当前本领域采用分割模型进行图像分割后，往往经由后续放大处理，还原至原始图像的高分辨率时，其中物体的轮廓精度会受到较大影响，尤其考虑到人眼的视觉敏感度，图像中低精度的物体轮廓，难以满足用户期待。
技术实现思路
本专利技术提供了一种图像中物体轮廓精度提升方法、装置和计算机程序产品，通过以上形式对分割模型输出的高分辨率图像的物体轮廓进行优化，能够高效低耗地改善图像分割后的低分辨率图像中物体轮廓精度低的问题。关于上述本专利技术采用的技术方案具体如下：一种图像中物体轮廓精度提升方法，包括：根据分割模型的输出图像以及原始图像，逐层构建图像金字塔，并在构建每层图像的同时，基于上一层图像中的物体轮廓确定当前层图像中物体的当前轮廓线；对所述当前轮廓线进行扩展；利用所述当前轮廓线及其扩展结果，在所述当前层图像中优化物体轮廓精度；按上述方式逐层处理，直至得到符合原始图像精度的目标轮廓。可选地，所述根据分割模型的输出图像以及原始图像，逐层构建图像金字塔，并在构建每层图像的同时，基于上一层图像中的物体轮廓确定当前层图像中物体的当前轮廓线包括：获取输出图像的第一分辨率以及原始图像的第二分辨率；根据所述第一分辨率以及所述第二分辨率，设置用于构建图像金字塔中各层图像的分辨率比值；利用所述分辨率比值以及所述第一分辨率，求取当前分辨率；基于所述当前分辨率，将所述输出图像中的物体轮廓转换为当前轮廓线以及将所述输出图像转换为图像金字塔中的当前层图像。可选地，所述基于所述当前分辨率，将所述输出图像中的物体轮廓转换为当前轮廓线包括：基于所述当前分辨率，对所述输出图像中的物体轮廓的各像素点进行坐标转换得到若干离散的初始轮廓点；将各所述初始轮廓点处理成连续的曲线，得到所述当前轮廓线。可选地，所述对所述当前轮廓线进行扩展包括：根据上一层图像以及当前层图像的分辨率，逐个对所述当前轮廓线中各像素点进行扩展，确定出每个像素点的替代点的搜索范围。可选地，所述利用所述当前轮廓线及其扩展结果，在所述当前层图像中优化物体轮廓精度包括：利用所述当前层图像以及所述当前轮廓线，从各所述搜索范围内确定出目标像素点；由全部所述目标像素点确定出所述当前层图像中物体的轮廓曲线，并基于所述轮廓曲线在所述搜索范围内进行循环搜索，得到针对所述当前层图像的迭代更新后的目标轮廓。可选地，所述利用所述当前层图像以及所述当前轮廓线，从各所述搜索范围内确定出目标像素点包括：根据所述当前轮廓线中的一个像素点分别相对于所述当前层图像以及相邻像素点的梯度变化关系，在所述搜索范围内查找针对当前的像素点的最优替代点，将所述最优替代点作为所述目标像素点。一种图像中物体轮廓精度提升装置，包括：图像金字塔处理模块，用于根据分割模型的输出图像以及原始图像，逐层构建图像金字塔，并在构建每层图像的同时，基于上一层图像中的物体轮廓确定当前层图像中物体的当前轮廓线；当前轮廓扩展模块，用于对所述当前轮廓线进行扩展；轮廓精度优化模块，用于利用所述当前轮廓线及其扩展结果，在所述当前层图像中优化物体轮廓精度；高精度目标轮廓确定模块，用于按上述方式逐层处理，直至得到符合原始图像精度的目标轮廓。可选地，所述当前轮廓扩展模块具体用于：根据上一层图像以及当前层图像的分辨率，逐个对所述当前轮廓线中各像素点进行扩展，确定出每个像素点的替代点的搜索范围。可选地，所述轮廓精度优化模块具体用于：根据所述当前轮廓线中的一个像素点分别相对于所述当前层图像以及相邻像素点的梯度变化关系，在所述搜索范围内查找针对当前的像素点的最优替代点，将所述最优替代点作为目标像素点。一种计算机程序产品，所述计算机程序产品在计算机设备上运行时，使所述计算机设备执行入上所述的图像中物体轮廓精度提升方法。本专利技术的构思是通过图像金字塔的思想，在图像金字塔的顶层和底层之间逐层构建出相对上一层图像(低分辨率)具有更高分辨率的当前层图像，同时可以并行地对当前层图像的物体轮廓进行初始化，也即是分别获得两个后处理的条件：当前轮廓线和当前层图像。之后对其中的当前轮廓线进行搜索扩展，再利用当前轮廓线、扩展结果以及当前层图像，对物体轮廓进行精度优化，以此类推，逐层向下处理直至获得金字塔底层的、在原始图像高分辨率下的最终优化结果，即，使得经由分割模型处理后的图像的物体轮廓与原始图像的物体轮廓相匹配。这个过程不涉及对分割模型的输入图像的处理，因而不会增加算法网络的运行压力，并且本专利技术实现方式简便高效，从而可以节省整体运算资源。附图说明为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步描述，其中：图1为本专利技术提供的图像中物体轮廓精度提升方法的实施例的流程图；图2为本专利技术提供的图像金字塔的实施例的示意图；图3为本专利技术提供的步骤S1的具体实施例的流程图；图4为本专利技术提供的获得当前轮廓线的具体实施例的流程图；图5为本专利技术提供的步骤S3的具体实施例的流程图；图6为本专利技术提供的图像中物体轮廓精度提升装置的实施例的方框图；图7为本专利技术提供的图像中物体轮廓精度提升设备的实施例的示意图。具体实施方式下面详细描述本专利技术的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。首先，作为本专利技术创造中涉及的技术实现手段及其具体实施示例的设计前提，这里还需对本专利技术所涉及的技术问题再做说明介绍。如前文提及的，使用深度学习算法时，需要先将输入图像缩小到指定大小，通常是比较小本文档来自技高网...

【技术保护点】
1.一种图像中物体轮廓精度提升方法，其特征在于，包括：/n根据分割模型的输出图像以及原始图像，逐层构建图像金字塔，并在构建每层图像的同时，基于上一层图像中的物体轮廓确定当前层图像中物体的当前轮廓线；/n对所述当前轮廓线进行扩展；/n利用所述当前轮廓线及其扩展结果，在所述当前层图像中优化物体轮廓精度；/n按上述方式逐层处理，直至得到符合原始图像精度的目标轮廓。/n

【技术特征摘要】
1.一种图像中物体轮廓精度提升方法，其特征在于，包括：
根据分割模型的输出图像以及原始图像，逐层构建图像金字塔，并在构建每层图像的同时，基于上一层图像中的物体轮廓确定当前层图像中物体的当前轮廓线；
对所述当前轮廓线进行扩展；
利用所述当前轮廓线及其扩展结果，在所述当前层图像中优化物体轮廓精度；
按上述方式逐层处理，直至得到符合原始图像精度的目标轮廓。


2.根据权利要求1所述的图像中物体轮廓精度提升方法，其特征在于，所述根据分割模型的输出图像以及原始图像，逐层构建图像金字塔，并在构建每层图像的同时，基于上一层图像中的物体轮廓确定当前层图像中物体的当前轮廓线包括：
获取输出图像的第一分辨率以及原始图像的第二分辨率；
根据所述第一分辨率以及所述第二分辨率，设置用于构建图像金字塔中各层图像的分辨率比值；
利用所述分辨率比值以及所述第一分辨率，求取当前分辨率；
基于所述当前分辨率，将所述输出图像中的物体轮廓转换为当前轮廓线以及将所述输出图像转换为图像金字塔中的当前层图像。


3.根据权利要求2所述的图像中物体轮廓精度提升方法，其特征在于，所述基于所述当前分辨率，将所述输出图像中的物体轮廓转换为当前轮廓线包括：
基于所述当前分辨率，对所述输出图像中的物体轮廓的各像素点进行坐标转换得到若干离散的初始轮廓点；
将各所述初始轮廓点处理成连续的曲线，得到所述当前轮廓线。


4.根据权利要求1所述的图像中物体轮廓精度提升方法，其特征在于，所述对所述当前轮廓线进行扩展包括：
根据上一层图像以及当前层图像的分辨率，逐个对所述当前轮廓线中各像素点进行扩展，确定出每个像素点的替代点的搜索范围。


5.根据权利要求4所述的图像中物体轮廓精度提升方法，其特征在于，所述利用所述当前轮廓线及其扩展结果，在所述当前层图像中优化物体轮廓精度包括：
利用所述当前层图像以及所述当前轮廓线，从各所述搜索范...

【专利技术属性】
技术研发人员：谢衍涛，王鼎，梅启鹏，陈继，
申请(专利权)人：杭州格像科技有限公司，
类型：发明
国别省市：浙江;33