本公开涉及一种图像标注方法、装置、存储介质和电子设备，该方法包括：获取待标注图像，对第一图像和第二图像执行特征检测步骤，以从第一图像中选取第一数量个第一特征点，并从第二图像中选取第二数量个第二特征点，将第一数量个第一特征点和第二数量个第二特征点，分别与待标注图像进行匹配，以得到待标注图像中的第三特征点，根据第三特征点和待标注图像，确定标注特征点，根据标注特征点，在待标注图像中确定待标注区域，并对待标注区域进行标注。本公开通过已标注的第一图像和第二图像，来自动地在待标注图像中标注出待标注区域，不需要人工逐层对三维扫描图像的每层切面进行标注，提高了标注效率，并降低了标注成本。并降低了标注成本。并降低了标注成本。
【技术实现步骤摘要】
图像标注方法、装置、存储介质和电子设备
[0001]本公开涉及图像处理
，具体地，涉及一种图像标注方法、装置、存储介质和电子设备。
技术介绍
[0002]随着人工智能的兴起和发展，采用机器学习模型对三维图像进行图像处理被广泛应用于多个领域之中。例如，在智能医疗领域，可以使用图像识别模型来识别三维医学图像中异常部位所在的区域，以辅助医生进行医疗诊断。相关技术中，需要获取大量的包括三维图像的图像样本，来生成图像样本集，再对图像样本集中的每个三维图像进行标注，以得到标注完整的图像样本集，并采用标注完整的图像样本集，对图像识别模型进行训练。然而，在对三维图像进行标注的过程中，由于在终端设备的显示屏幕上只能显示三维图像的每层切面对应的二维图像，因此需要人工逐层对每层切面对应的二维图像进行标注，标注效率较低，且标注成本高。
技术实现思路
[0003]为了解决相关技术中存在的问题，本公开提供了一种图像标注方法、装置、存储介质和电子设备。
[0004]为了实现上述目的，根据本公开实施例的第一方面，提供一种图像标注方法，所述方法包括：
[0005]获取待标注图像，所述待标注图像为三维扫描图像中待标注切面对应的二维扫描图像；
[0006]对第一图像和第二图像执行特征检测步骤，以从所述第一图像中选取第一数量个第一特征点，并从所述第二图像中选取第二数量个第二特征点；所述第一图像为所述三维扫描图像中第一已标注切面对应的二维扫描图像，所述第二图像为所述三维扫描图像中第二已标注切面对应的二维扫描图像，所述待标注切面位于所述第一已标注切面和所述第二已标注切面之间；
[0007]将第一数量个所述第一特征点和第二数量个所述第二特征点，分别与所述待标注图像进行匹配，以得到所述待标注图像中的第三特征点；
[0008]根据所述第三特征点和所述待标注图像，确定标注特征点；
[0009]根据所述标注特征点，在所述待标注图像中确定待标注区域，并对所述待标注区域进行标注。
[0010]可选地，所述特征检测步骤包括：
[0011]对目标图像连续执行第三数量次高斯模糊处理，以得到每次执行高斯模糊处理输出的第三数量个依次排列的模糊图像，所述目标图像为所述第一图像或所述第二图像；
[0012]根据第三数量个所述模糊图像，确定第四数量个依次排列的差分图像，第四数量小于第三数量；
[0013]针对每个所述差分图像，根据该差分图像的像素点，确定极值像素点；
[0014]根据每个所述极值像素点的曲率，对所述极值像素点进行筛选，以得到目标数量个目标特征点，目标数量为第一数量或第二数量，所述目标特征点为所述第一特征点或所述第二特征点。
[0015]可选地，所述根据该差分图像的像素点，确定极值像素点，包括：
[0016]将该差分图像中像素值大于邻域像素点的像素值的像素点作为所述极值像素点；该差分图像中每个所述像素点的所述邻域像素点包括第一像素点和第二像素点，所述第一像素点包括该像素点周围的相邻像素点，所述第二像素点包括在相邻差分图像中与该像素点对应的像素点，以及在所述相邻差分图像中与该像素点的所述第一像素点对应的像素点，所述相邻差分图像为该差分图像相邻的差分图像；
[0017]或者，将该差分图像中像素值小于或等于邻域像素点的像素值的像素点作为所述极值像素点。
[0018]可选地，所述根据每个所述极值像素点的曲率，对所述极值像素点进行筛选，以得到目标数量个目标特征点，包括：
[0019]利用黑塞矩阵，确定每个所述极值像素点的曲率；
[0020]将所述曲率小于预设曲率阈值的极值像素点作为所述目标特征点。
[0021]可选地，所述将第一数量个所述第一特征点和第二数量个所述第二特征点，分别与所述待标注图像进行匹配，以得到所述待标注图像中的第三特征点，包括：
[0022]获取每个所述第一特征点对应的第一特征向量，以及每个所述第二特征点对应的第二特征向量；
[0023]根据所述第一特征向量，确定所述待标注图像中与所述第一特征点匹配的第一数量个第四特征点，并根据第一标注区域的质心与每个所述第四特征点的距离，对所述第四特征点进行筛选，以得到筛选后的第四特征点，所述第一标注区域为所述待标注图像上，与第一图像上的标注区域对应的区域；
[0024]根据所述第二特征向量，确定所述待标注图像中与所述第二特征点匹配的第二数量个第五特征点，并根据第二标注区域的质心与每个所述第五特征点的距离，对所述第五特征点进行筛选，以得到筛选后的第五特征点，所述第二标注区域为所述待标注图像上，与第二图像上的标注区域对应的区域；根据所述筛选后的第四特征点和所述筛选后的第五特征点，确定所述第三特征点。
[0025]可选地，所述根据所述第三特征点和所述待标注图像，确定标注特征点，包括：
[0026]确定所述待标注切面与所述第一已标注切面的第一距离，和所述待标注切面与所述第二已标注切面的第二距离；
[0027]若所述第一距离小于所述第二距离，将所述第三特征点和第一标注区域的质心作为所述标注特征点，所述第一标注区域为所述待标注图像上，与第一图像上的标注区域对应的区域。
[0028]可选地，所述根据所述标注特征点，在所述待标注图像中确定待标注区域，包括：
[0029]根据所述标注特征点的像素值和所述标注特征点周围的相邻像素点的像素值，利用预设的区域生长算法，确定所述待标注区域。
[0030]根据本公开实施例的第二方面，提供一种图像标注装置，所述装置包括：
[0031]获取模块，用于获取待标注图像，所述待标注图像为三维扫描图像中待标注切面对应的二维扫描图像；
[0032]检测模块，用于对第一图像和第二图像执行特征检测步骤，以从所述第一图像中选取第一数量个第一特征点，并从所述第二图像中选取第二数量个第二特征点；所述第一图像为所述三维扫描图像中第一已标注切面对应的二维扫描图像，所述第二图像为所述三维扫描图像中第二已标注切面对应的二维扫描图像，所述待标注切面位于所述第一已标注切面和所述第二已标注切面之间；
[0033]匹配模块，用于将第一数量个所述第一特征点和第二数量个所述第二特征点，分别与所述待标注图像进行匹配，以得到所述待标注图像中的第三特征点；
[0034]确定模块，用于根据所述第三特征点和所述待标注图像，确定标注特征点；
[0035]标注模块，用于根据所述标注特征点，在所述待标注图像中确定待标注区域，并对所述待标注区域进行标注。
[0036]可选地，所述检测模块用于通过以下方式执行所述特征检测步骤：
[0037]对目标图像连续执行第三数量次高斯模糊处理，以得到每次执行高斯模糊处理输出的第三数量个依次排列的模糊图像，所述目标图像为所述第一图像或所述第二图像；
[0038]根据第三数量个所述模糊图像，确定第四数量个依次排列的差分图像，第四数量小于第三数量；
[0039]针对每本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像标注方法，其特征在于，所述方法包括：获取待标注图像，所述待标注图像为三维扫描图像中待标注切面对应的二维扫描图像；对第一图像和第二图像执行特征检测步骤，以从所述第一图像中选取第一数量个第一特征点，并从所述第二图像中选取第二数量个第二特征点；所述第一图像为所述三维扫描图像中第一已标注切面对应的二维扫描图像，所述第二图像为所述三维扫描图像中第二已标注切面对应的二维扫描图像，所述待标注切面位于所述第一已标注切面和所述第二已标注切面之间；将第一数量个所述第一特征点和第二数量个所述第二特征点，分别与所述待标注图像进行匹配，以得到所述待标注图像中的第三特征点；根据所述第三特征点和所述待标注图像，确定标注特征点；根据所述标注特征点，在所述待标注图像中确定待标注区域，并对所述待标注区域进行标注。2.根据权利要求1所述的方法，其特征在于，所述特征检测步骤包括：对目标图像连续执行第三数量次高斯模糊处理，以得到每次执行高斯模糊处理输出的第三数量个依次排列的模糊图像，所述目标图像为所述第一图像或所述第二图像；根据第三数量个所述模糊图像，确定第四数量个依次排列的差分图像，第四数量小于第三数量；针对每个所述差分图像，根据该差分图像的像素点，确定极值像素点；根据每个所述极值像素点的曲率，对所述极值像素点进行筛选，以得到目标数量个目标特征点，目标数量为第一数量或第二数量，所述目标特征点为所述第一特征点或所述第二特征点。3.根据权利要求2所述的方法，其特征在于，所述根据该差分图像的像素点，确定极值像素点，包括：将该差分图像中像素值大于邻域像素点的像素值的像素点作为所述极值像素点；该差分图像中每个所述像素点的所述邻域像素点包括第一像素点和第二像素点，所述第一像素点包括该像素点周围的相邻像素点，所述第二像素点包括在相邻差分图像中与该像素点对应的像素点，以及在所述相邻差分图像中与该像素点的所述第一像素点对应的像素点，所述相邻差分图像为该差分图像相邻的差分图像；或者，将该差分图像中像素值小于或等于邻域像素点的像素值的像素点作为所述极值像素点。4.根据权利要求2所述的方法，其特征在于，所述根据每个所述极值像素点的曲率，对所述极值像素点进行筛选，以得到目标数量个目标特征点，包括：利用黑塞矩阵，确定每个所述极值像素点的曲率；将所述曲率小于预设曲率阈值的极值像素点作为所述目标特征点。5.根据权利要求1所述的方法，其特征在于，所述将第一数量个所述第一特征点和第二数量个所述第二特征点，分别与所述待标注图像进行匹配，以得到所述待标注图像中的第三特征点，包括：获取每个所述第一特征点对应的第一特征向量，以及每个所述第二特征点对应的第二
特征向量；...
【专利技术属性】
技术研发人员：王希，何光宇，张霞，平安，
申请(专利权)人：沈阳东软智能医疗科技研究院有限公司，
类型：发明
国别省市：
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。