【技术实现步骤摘要】
图像处理方法、装置和电子设备
本申请涉及图像处理领域，具体而言，涉及一种图像处理方法、装置和电子设备。
技术介绍
图像场景分类在计算机视觉和智能系统中有重要应用，例如：图像理解，自动驾驶。该技术旨在根据对象、区域、上下文等关键信息，自动地将图像分为不同的类别。现有的基于深度学习的方法，其训练阶段是一个“黑盒”，不符合人类对于图像场景的视觉感知。而且在训练阶段，现有的方法需要大量的区域或像素级语义标签，给人工标注带来了巨大的挑战。
技术实现思路
本申请实施例的目的在于提供一种图像处理方法、装置和电子设备。第一方面，实施例提供一种图像处理方法，包括：将待测图像分割为多个超像素区域；根据超像素区域的语义特征，获取语义特征对应的语义标签；将语义标签嵌入超像素区域，生成显著性区域；提取显著性区域的深度特征，生成待测图像的图像核；利用向量分类器处理图像核，对待测图像进行场景分类。在可选的实施方式中，在将待测图像分割为多个超像素区域之后，还包括：去除尺寸小于预设值或超像素分数低于阈值的超像素区域。
【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n将待测图像分割为多个超像素区域；/n根据所述超像素区域的语义特征，获取所述语义特征对应的语义标签；/n将所述语义标签嵌入所述超像素区域，生成显著性区域；/n提取所述显著性区域的深度特征，生成所述待测图像的图像核；/n利用向量分类器处理所述图像核，对所述待测图像进行场景分类。/n
【技术特征摘要】 【专利技术属性】
1.一种图像处理方法，其特征在于，包括：
将待测图像分割为多个超像素区域；
根据所述超像素区域的语义特征，获取所述语义特征对应的语义标签；
将所述语义标签嵌入所述超像素区域，生成显著性区域；
提取所述显著性区域的深度特征，生成所述待测图像的图像核；
利用向量分类器处理所述图像核，对所述待测图像进行场景分类。
2.根据权利要求1所述的方法，其特征在于，在所述将待测图像分割为多个超像素区域之后，还包括：
去除尺寸小于预设值或超像素分数低于阈值的所述超像素区域。
3.根据权利要求1所述的方法，其特征在于，所述将所述语义标签嵌入所述超像素区域，生成显著性区域，包括：
将所述语义标签利用流形学习算法嵌入所述超像素区域；
根据所述语义标签，从所述超像素区域的原始矩阵中获取基矩阵和稀疏矩阵；
根据所述基矩阵，从所述超像素区域中对应获取所述显著性区域；
其中，所述基矩阵表示带有语义标签的特征矩阵，所述稀疏矩阵表示不带有标签的特征矩阵。
4.根据权利要求3所述的方法，其特征在于，在所述将所述语义标签嵌入所述超像素区域，生成显著性区域之后，还包括：
根据所述显著性区域的稀疏编码范数，计算所述显著性区域的显著性分数；
根据所述显著性分数，将所述显著性区域排序，生成广义序列模式集。
5.根据权利要求4所述的方法，其特征在于，所述提取所述显著性区域的深度特征，生成所述待测图像的图像核，包括：
根据神经网络架构获取所述广义序列模式集对应所述显著性区域的深度特征；
获取所述深度特征的特征向量；
根据所述特征向量之间的欧几里得距离，从所述显著性区域中获取所述图像核。
技术研发人员：王扬斌，张鹿鸣，王泽鹏，
申请(专利权)人：杭州阜博科技有限公司，
类型：发明
国别省市：浙江;33
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。