本发明专利技术公开了一种图像处理方法与装置、计算机可读存储介质、计算机设备，其中，图像处理方法包括：采用目标图像处理算法对输入图像进行处理以获得像素级的目标图，并根据像素级的目标图生成超像素级的目标图；对超像素级的目标图进行图割处理以分别提取背景样本和二值化图像；对二值化图像进行GOP区域预测以生成初始显著图，并根据初始显著图提取前景样本；根据背景样本和前景样本进行模型训练。由此，该图像处理方法能够保证目标图像训练样本的准确性，从而提高目标图像检测的准确度。
【技术实现步骤摘要】
图像处理方法与装置、计算机可读存储介质、计算机设备
本专利技术涉及图像处理
，尤其涉及一种图像处理方法，一种计算机可读存储介质，一种计算机设备和一种图像处理装置。
技术介绍
图像显著性检测近年来引起了人们的广泛关注，作为一种预处理方法，图像显著性检测被广泛应用于图像压缩、图像分类及图像分割等多个领域。在相关技术中，显著检测研究主要是利用手工设计特征和启发式先验来对图像中的显著性区域进行检测，其中一种方案是前背景训练样本从一幅图中选择，前景训练样本选择图像中心位置，背景训练样本选择图像四周像素，该方案如果检测目标没有位于图像中心区域，则会导致所选择的前景训练样本不准确；另一种方案是前背景训练样本从一幅初始显著图中选择，前景训练样本选择显著图中阈值较大部分，背景训练样本选择显著图中阈值较小部分，该方案过度依赖初始显著图，如果初始显著图不准确，则依然会导致所选择的训练样本不准确。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种图像处理方法，能够保证目标图像训练样本的准确性，从而提高目标图像检测的准确度。本专利技术的第二个目的在于提出一种计算机可读存储介质。本专利技术的第三个目的在于提出一种计算机设备。本专利技术的第四个目的在于提出一种图像处理装置。为达上述目的，本专利技术第一方面实施例提出了一种图像处理方法，该方法包括：采用目标图像处理算法对输入图像进行处理以获得像素级的目标图，并根据所述像素级的目标图生成超像素级的目标图；对所述超像素级的目标图进行图割处理以分别提取背景样本和二值化图像；对所述二值化图像进行GOP(GroupofPicture，图像组)区域预测以生成初始显著图，并根据所述初始显著图提取前景样本；根据所述背景样本和所述前景样本进行模型训练。本专利技术实施例的图像处理方法首先采用目标图像处理算法对输入图像进行处理并获得像素级的目标图，然后根据该像素级的目标图生成超像素级的目标图，再对超像素级的目标图进行图割处理以分别提取到背景样本和二值化图像，然后对二值化图像进行GOP区域预测以生成初始显著图，再根据初始显著图提取到前景样本，最后根据背景样本和前景样本进行模型训练。由此，该图像处理方法能够保证目标图像训练样本的准确性，从而提高目标图像检测的准确度。在本专利技术的一些示例中，所述像素级的目标图为多个，其中，根据所述像素级的目标图生成超像素级的目标图，包括：对多个所述像素级的目标图进行聚类处理以获得所述超像素级的目标图。在本专利技术的一些示例中，对所述二值化图像进行GOP区域预测以生成初始显著图，包括：将所述超像素级的目标图的二值化结果作为假定的真值，计算每个预测区域的F-measure值，并根据所述F-measure值大于预设值的预测区域的像素计算所述初始显著图。在本专利技术的一些示例中，根据以下公式计算所述初始显著图：其中，j是M个预测区域的索引，表示第j个预测区域的F-measure值。为达上述目的，本专利技术第二方面实施例提出了一种计算机可读存储介质，其上存储有图像处理程序，该图像处理程序被处理器执行时实现如上述实施例中的图像处理方法。本专利技术实施例的计算机可读存储介质，可以通过执行其上存储的图像处理程序，实现上述实施例中的图像处理方法，从而能够保证目标图像训练样本的准确性，从而提高目标图像检测的准确度。为达上述目的，本专利技术第三方面实施例提出了一种设备，该设备包括存储器、处理器及存储在存储器上并可在处理器上运行的图像处理程序，所述处理器执行所述图像处理程序时，实现如上述实施例所述的图像处理方法。本专利技术实施例的设备包括存储器、处理器和存储在存储器上并可以在处理器上运行的图像处理程序，通过执行图像处理程序，可以实现上述实施例中的图像处理方法，从而能够保证目标图像训练样本的准确性，从而提高目标图像检测的准确度。为达上述目的，本专利技术第四方面实施例提出了一种图像处理装置，该处理装置包括：目标图生成模块，用于采用目标图像处理算法对输入图像进行处理以获得像素级的目标图，并根据所述像素级的目标图生成超像素级的目标图；图割处理模块，用于对所述超像素级的目标图进行图割处理以分别提取背景样本和二值化图像；提取模块，用于对所述二值化图像进行GOP区域预测以生成初始显著图，并根据所述初始显著图提取前景样本；训练模块，用于根据所述背景样本和所述前景样本进行模型训练。本专利技术实施例的图像处理装置包括目标图生成模块、图割处理模块、提取模块和训练模块。首先，利用目标图生成模块通过目标图像处理算法对输入图像进行处理以获得像素级的目标图，并根据像素级的目标图生成超像素级的目标图，再利用图割处理模块对超像素级的目标图进行图割处理以分别提取背景样本和二值化图像，然后利用提取模块对二值化图像进行GOP区域预测以生成除湿显著图，并根据该初始显著图提取前景样本，最后再通过训练模块根据背景样本和前景样本进行模型训练。由此，该图像处理装置能够保证目标图像训练样本的准确性，从而提高目标图像检测的准确度。在本专利技术的一些示例中，所述像素级的目标图为多个，其中，所述目标图生成模块还用于对多个所述像素级的目标图进行聚类处理以获得所述超像素级的目标图。在本专利技术的一些示例中，所述提取模块还用于，将所述超像素级的目标图的二值化结果作为假定的真值，计算每个预测区域的F-measure值，并根据所述F-measure值大于预设值的预测区域的像素计算所述初始显著图。在本专利技术的一些示例中，根据以下公式计算所述初始显著图：其中，j是M个预测区域的索引，表示第j个预测区域的F-measure值。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明图1是本专利技术实施例的图像处理方法的流程图；图2是本专利技术一个具体实施例的图像处理过程的示意图；图3是本专利技术实施例的图像处理装置的结构框图。具体实施方式下面详细描述本专利技术的实施例，所述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，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。下面参考附图描述本专利技术实施例的图像处理方法与装置、计算机可读存储介质、计算机设备。图1是本专利技术实施例的图像处理方法的流程图。在该实施例中，如图1所示，图像处理方法包括以下步骤：S10，采用目标图像处理算法对输入图像进行处理以获得像素级的目标图，并根据像素级的目标图生成超像素级的目标图。具体地，参见图2，其中，图2(a)为输入图像，在该实施例中，可以通过目标图像处理算法对该输入图像进行处理，以获得图2(b)所示的像素级的目标图。在本专利技术的一些示例中，如图2(b)所示，像素级的目标图可为多个，其中，根据像素级的目标图生成超像素级的目标图，包括：对多个像素级的目标图进行聚类处理以获得本文档来自技高网...
【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n采用目标图像处理算法对输入图像进行处理以获得像素级的目标图，并根据所述像素级的目标图生成超像素级的目标图；/n对所述超像素级的目标图进行图割处理以分别提取背景样本和二值化图像；/n对所述二值化图像进行GOP区域预测以生成初始显著图，并根据所述初始显著图提取前景样本；/n根据所述背景样本和所述前景样本进行模型训练。/n
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
采用目标图像处理算法对输入图像进行处理以获得像素级的目标图，并根据所述像素级的目标图生成超像素级的目标图；
对所述超像素级的目标图进行图割处理以分别提取背景样本和二值化图像；
对所述二值化图像进行GOP区域预测以生成初始显著图，并根据所述初始显著图提取前景样本；
根据所述背景样本和所述前景样本进行模型训练。
2.如权利要求1所述的图像处理方法，其特征在于，所述像素级的目标图为多个，其中，根据所述像素级的目标图生成超像素级的目标图，包括：
对多个所述像素级的目标图进行聚类处理以获得所述超像素级的目标图。
3.如权利要求1-2中任一项所述的图像处理方法，其特征在于，对所述二值化图像进行GOP区域预测以生成初始显著图，包括：
将所述超像素级的目标图的二值化结果作为假定的真值，计算每个预测区域的F-measure值，并根据所述F-measure值大于预设值的预测区域的像素计算所述初始显著图。
4.如权利要求3所述的图像处理方法，其特征在于，根据以下公式计算所述初始显著图：
其中，j是M个预测区域的索引，表示第j个预测区域的F-measure值。
5.一种计算机可读存储介质，其特征在于，其上存储有图像处理程序，该图像处理程序被处理器执行时实现如权利要求1-4中任一项所述的图像处理方法。
【专利技术属性】
技术研发人员：由佳，孟祥雨，
申请(专利权)人：北京汽车研究总院有限公司，
类型：发明
国别省市：北京;11
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。