图像处理方法及相关设备技术

本申请实施例提供一种图像处理方法及相关设备，该方法包括：在第一图像的周围填充K/2圈零，以得到第二图像，第一图像的尺寸为滑窗窗口的尺寸的整数倍，K为滑窗步长；根据滑窗窗口和滑窗步长对第二图像进行图像切割，以得到多个图像块；采用第一神经网络模型对多个图像块进行处理，以得到多个子图像块中每个子图像块的处理结果，多个图像块与多个子图像块一一对应，子图像块为所述图像块中以图像块的中心为中心、尺寸为K

【技术实现步骤摘要】
图像处理方法及相关设备


[0001]本申请涉及人工智能
，尤其涉及一种图像处理方法及相关设备。

技术介绍

[0002]在当前的农作物分布统计方案中，需要采用人工测量农作物在某个地域的分布数据，例如农作物的种类，不同农作物的分布位置以及分布面积，然后基于人工测量得到的农作物在某个地域的分布数据制作统计图，以得到农作物的分布图。因此，现有的农作物分布统计方案的统计效率低下，费时费力。此外，可以通过神经网络来对需要统计的区域的遥感图像进行农作物分布预测，但是在利用神经网络对图像进行计算时，为了维持分辨率进行了大量零填充(zero
‑
padding)，导致神经网络对图像边缘的预测不准确，从而会导致神经网络预测出来的农作物分布精度不高。

技术实现思路

[0003]本申请实施例公开了一种图像处理方法及相关设备，有利于提高图像处理的精度。
[0004]本申请实施例第一方面公开了一种图像处理方法，包括：在第一图像的周围填充K/2圈零，以得到第二图像，其中，所述第一图像的尺寸为滑窗窗口的尺寸的整数倍，所述K为滑窗步长；根据所述滑窗窗口和所述滑窗步长对所述第二图像进行图像切割，以得到多个图像块；采用第一神经网络模型对所述多个图像块进行处理，以得到多个子图像块中每个子图像块的处理结果，其中，所述多个图像块与所述多个子图像块一一对应，所述子图像块为所述图像块中以所述图像块的中心为中心、尺寸为K
×
K的区域图像；根据所述多个子图像块中全部或部分子图像块的处理结果得到所述第一图像的处理结果。
[0005]在本申请实施例中，在第一图像的周围填充K/2圈零，以得到第二图像，第一图像的尺寸为滑窗窗口的尺寸的整数倍；再根据该滑窗窗口和滑窗步长为K对第二图像进行图像切割，以得到多个图像块，且这多个图像块中每个图像块的尺寸与滑窗窗口的尺寸相同；再采用第一神经网络模型对这多个图像块进行处理，以得到多个子图像块中每个子图像块的处理结果，且这多个图像块与多个子图像块一一对应，该子图像块为图像块中以图像块的中心为中心、尺寸为K
×
K的区域图像，也即子图像块为对应图像块的中心区域，而根据这多个子图像块中的全部或部分可以组合得到第一图像，故根据这多个子图像块中全部或部分子图像块的处理结果可以组合得到第一图像的处理结果。在本申请实施例中，第一神经网络模型的输入是图像块，其输出的是子图像块的处理结果，而子图像块为对应图像块的中心区域，故子图像块的处理结果是每个图像块中心区域的计算结果，从而避免了神经网络模型对图像边缘预测不准确带来的精度问题，有利于提高图像处理的精度。应理解，子图像块的处理结果可以是第一神经网络模型预测出的子图像块对应的目标物体分布图，则第一图像的处理结果为第一图像对应的目标物体分布图；由于第一图像可以通过对需要统计目标物体的地域进行拍摄得到，采用本申请实施例，可以快速得到该地域的目标物体分布
图，相比人工统计具备更高的效率。
[0006]在一种可能的实现方式中，所述在第一图像的周围填充K/2圈零，以得到第二图像包括：若所述第一图像的尺寸不为滑窗窗口的尺寸的整数倍，则对所述第一图像进行填充处理，以得填充后的第一图像，其中，所述填充后的第一图像的尺寸为所述滑窗窗口的尺寸的整数倍；在所述填充后的第一图像的周围填充K/2圈零，以得到所述第二图像。
[0007]在一种可能的实现方式中，所述采用第一神经网络模型对所述多个图像块进行处理，以得到多个子图像块中每个子图像块的处理结果，包括：采用第一神经网络模型对所述多个图像块进行处理，以得到所述多个图像块中每个图像块的处理结果；对所述多个图像块中每个图像块的处理结果进行图像截取，以得到所述多个子图像块中每个子图像块的处理结果。
[0008]在本申请实施例中，第一神经网络模型输出图像块的处理结果，对图像块的处理结果进行图像截取，可以以得到图像块对应的子图像块的处理结果，从而消除了因第一神经网络模型对图像块的边缘预测不准，而影响图像处理精度的问题。应理解，子图像块的处理结果是子图像块对应的目标物体分布图，第一图像的处理结果是第一图像对应的目标物体分布图时，图像块的处理结果是图像块对应的目标物体分布图。
[0009]在一种可能的实现方式中，所述对所述多个图像块中每个图像块的处理结果进行图像截取，以得到所述多个子图像块中每个子图像块的处理结果，包括：针对所述多个图像块中每个图像块的处理结果，执行以下步骤，以得到所述多个子图像块中每个子图像块的处理结果：以所述目标图像块的处理结果的中心为中心，在所述目标图像块的处理结果中进行图像截取尺寸为K
×
K的区域图像，以得到目标子图像块，其中，所述目标图像块为所述多个图像块中的任意一个，所述目标子图像块为与所述目标图像块对应的子图像块。
[0010]在一种可能的实现方式中，所述采用第一神经网络模型对所述多个图像块进行处理，以得到所述多个图像块中每个图像块的处理结果，包括：针对所述多个图像块中每个图像块，执行以下步骤，以得到所述多个图像块中每个图像块的处理结果：采用深度卷积神经网络模型对目标图像块进行特征提取，以得到所述目标图像块的第一特征图，其中，所述目标图像块为所述多个图像块中的任意一个图像块；根据所述第一特征图和第一卷积核进行卷积运算，以得到第一目标特征图，其中，所述第一卷积核的大小为1
×
1；根据所述第一特征图和第二卷积核进行扩张卷积运算，以得到第二目标特征图，其中，所述第二卷积核的大小为n
×
n，所述第二卷积核的扩张率为第一预设值，所述n为大于1的整数；根据所述第一特征图和第三卷积核进行扩张卷积运算，以得到第三目标特征图，其中，所述第三卷积核的大小为n
×
n，所述第三卷积核的扩张率为第二预设值；根据所述第一特征图和第四卷积核进行扩张卷积运算，以得到第四目标特征图，其中，所述第四卷积核的大小为n
×
n，所述第四卷积核的扩张率为第三预设值；对所述第一特征图进行池化运算，以得到第五目标特征图；其中，所述第一目标特征图、所述第二目标特征图、所述第三目标特征图、所述第四目标特征图和所述第五目标特征图的尺寸相同；对所述第一目标特征图、所述第二目标特征图、所述第三目标特征图、所述第四目标特征图和所述第五目标特征图进行融合，以得到第二特征图；根据所述第二特征图和第五卷积核进行卷积运算，以得到第三特征图，其中，所述第五卷积核的大小为1
×
1；对所述第三特征图进行上采样处理，以得到第四特征图；根据所述第一特征图和第六卷积核进行卷积运算，以得到第五特征图，其中，所述第六卷积核的大小
为1
×
1，所述第四特征图和所述第五特征图的尺寸相同；对所述第四特征图和所述第五特征图进行融合，以得到第六特征图；根据所述第六特征图和第七卷积核进行卷积运算，以得到第七特征图，其中，所述第七卷积核的大小为n
×
n；对所述第七特征图进行上采样处理，以得到所述目标图像块的处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：在第一图像的周围填充K/2圈零，以得到第二图像，其中，所述第一图像的尺寸为滑窗窗口的尺寸的整数倍，所述K为滑窗步长；根据所述滑窗窗口和所述滑窗步长对所述第二图像进行图像切割，以得到多个图像块；采用第一神经网络模型对所述多个图像块进行处理，以得到多个子图像块中每个子图像块的处理结果，其中，所述多个图像块与所述多个子图像块一一对应，所述子图像块为所述图像块中以所述图像块的中心为中心、尺寸为K
×
K的区域图像；根据所述多个子图像块中的全部或部分子图像块的处理结果得到所述第一图像的处理结果。2.根据权利要求1所述的方法，其特征在于，所述采用第一神经网络模型对所述多个图像块进行处理，以得到多个子图像块中每个子图像块的处理结果，包括：采用第一神经网络模型对所述多个图像块进行处理，以得到所述多个图像块中每个图像块的处理结果；对所述多个图像块中每个图像块的处理结果进行图像截取，以得到所述多个子图像块中每个子图像块的处理结果。3.根据权利要求2所述的方法，其特征在于，所述采用第一神经网络模型对所述多个图像块进行处理，以得到所述多个图像块中每个图像块的处理结果，包括：针对所述多个图像块中每个图像块，执行以下步骤，以得到所述多个图像块中每个图像块的处理结果：采用深度卷积神经网络模型对目标图像块进行特征提取，以得到所述目标图像块的第一特征图，其中，所述目标图像块为所述多个图像块中的任意一个图像块；根据所述第一特征图和第一卷积核进行卷积运算，以得到第一目标特征图，其中，所述第一卷积核的大小为1
×
1；根据所述第一特征图和第二卷积核进行扩张卷积运算，以得到第二目标特征图，其中，所述第二卷积核的大小为n
×
n，所述第二卷积核的扩张率为第一预设值，所述n为大于1的整数；根据所述第一特征图和第三卷积核进行扩张卷积运算，以得到第三目标特征图，其中，所述第三卷积核的大小为n
×
n，所述第三卷积核的扩张率为第二预设值；根据所述第一特征图和第四卷积核进行扩张卷积运算，以得到第四目标特征图，其中，所述第四卷积核的大小为n
×
n，所述第四卷积核的扩张率为第三预设值；对所述第一特征图进行池化运算，以得到第五目标特征图；其中，所述第一目标特征图、所述第二目标特征图、所述第三目标特征图、所述第四目标特征图和所述第五目标特征图的尺寸相同；对所述第一目标特征图、所述第二目标特征图、所述第三目标特征图、所述第四目标特征图和所述第五目标特征图进行融合，以得到第二特征图；根据所述第二特征图和第五卷积核进行卷积运算，以得到第三特征图，其中，所述第五卷积核的大小为1
×
1；对所述第三特征图进行上采样处理，以得到第四特征图；
根据所述第一特征图和第六卷积核进行卷积运算，以得到第五特征图，其中，所述第六卷积核的大小为1
×
1，所述第四特征图和所述第五特征图的尺寸相同；对所述第四特征图和所述第五特征图进行融合，以得到第六特征图；根据所述第六特征图和第七卷积核进行卷积运算，以得到第七特征图，其中，所述第七卷积核的大小为n
×
n；对所述第七特征图进行上采样处理，以得到所述目标图像块的处理结果。4.根据权利要求1所述的方法，其特征在于，所述子图像块的处理结果为所述子图像块对应的目标物体分布图，所述第一图像的处理结果为所述第一图像...

【专利技术属性】
技术研发人员：陈俊希，
申请(专利权)人：江苏云天励飞技术有限公司，
类型：发明
国别省市：