一种图像处理方法、装置、电子设备及存储介质制造方法及图纸

本申请公开一种图像处理方法、装置、电子设备及存储介质，涉及图像处理的技术领域。该方法包括将待分类图像分割为多个超像素，并提取待分类图像的特征信息；将特征信息带入预先训练的第一随机森林模型，得到单像素概率分布图；利用所述预先训练的第二随机森林模型对所述多个超像素中的每一个进行分类，得到超像素概率分布图；针对每一个像素点，基于该像素点在单像素概率分布图中的类别概率和该像素点在所述超像素概率分布图中的类别概率，得到该像素点更正后的类别概率；根据各个像素点更正后的类别概率，得到结果概率分布图。通过本方案解决了现有技术中未充分考虑像素点的空间信息，导致影像分类效率低且分类精度不高的问题。

【技术实现步骤摘要】
一种图像处理方法、装置、电子设备及存储介质
本申请涉及计算机的
，具体而言，涉及一种图像处理方法、装置、电子设备及存储介质。
技术介绍
合成孔径雷达(SyntheticApertureRadar，SAR)具有主动工作且不受光线和气候影响、穿透能力强的特点，其能在恶劣气候下连续从地面获取目标数据。作为高分辨率成像雷达，自诞生以来，已获得了突飞猛进的发展，在军事情报、农业监测、海洋探测、森林监测、地质勘探以及灾害救援研究等方面都获得了广泛应用。目前，大多数极化SAR图像分类技术是以像素点为分类单元，以此达到对遥感影像内地物分类的目的。但是分类目标不是由一个或者几个像素点组成，单像素分类方法未充分考虑像素点的空间信息，并且极化SAR图像中还具有较多的相干斑噪声，这些问题导致影像分类效率低且分类精度不高。
技术实现思路
本申请提供一种图像处理方法、装置、电子设备及存储介质，以解决现有技术中未充分考虑像素点的空间信息，导致影像分类效率低且分类精度不高的问题。第一方面，本申请实施例提供一种图像处理方法，包括：将待分类图像分割为多个超像素，并提取所述待分类图像的特征信息；将所述特征信息带入预先训练的第一随机森林模型，得到单像素概率分布图，所述单像素概率分布图包括所述待分类图像中所有像素点中每一个像素点的类别概率；利用预先训练的第二随机森林模型对所述多个超像素中的每一个进行分类，得到超像素概率分布图，所述超像素概率分布图包括每一个超像素各自对应随机森林分类的类别概率；针对每一个像素点，基于该像素点在所述单像素概率分布图中的类别概率和该像素点在所述超像素概率分布图中的类别概率，得到该像素点更正后的类别概率；根据各个像素点更正后的类别概率，得到结果概率分布图，所述结果概率分布图包括所述待分类图像中所有像素点中每一个像素点的更正后的类别概率。本申请实施例中，基于像素点在单像素概率分布图中的类别概率和该像素点在超像素概率分布图中的类别概率，得到该像素点更正后的类别概率。其中，由于图像中相邻像素具有一定相关性，而超像素是由相似度较高的多个像素点组成，因此，通过在计算像素点更正后的类别概率中，引入像素点在超像素概率分布图中的类别概率，从而考虑到了像素点的空间信息，提高了图像分类的精度。结合上述第一方面提供的技术方案，在一些可能的实施方式中，基于该像素点在所述单像素概率分布图中的类别概率和该像素点在所述超像素概率分布图中的类别概率，得到该像素点更正后的类别概率，包括：获取表征该像素点所属的超像素与该超像素的相邻超像素属于同一类别的第一权重；获取该像素点在所述单像素概率分布图中的类别概率与所述第一权重的乘积，得到第一乘积；获取该像素点在所述超像素概率分布图中的类别概率与所述第二权重的乘积，得到第二乘积，其中，所述第一权重和所述第二权重之和为1；获取所述第一乘积和所述第二乘积的和，得到该像素点更正后的类别概率。本申请实施例中，通过计算像素点在单像素概率分布图中的类别概率与第一权重的乘积，得到第一乘积；以及该像素点在超像素概率分布图中的类别概率与第二权重的乘积，得到第二乘积；计算第一乘积和所述第二乘积的和，得到该像素点更正后的类别概率。本方案结合两种分类方法得到的类别概率，并通过权重之和为1的第一权重和第二权重进行加权，可以使得最终的分类结果更准确，提高图像分类精度。结合上述第一方面提供的技术方案，在一些可能的实施方式中，获取表征该像素点所属的超像素与该超像素的相邻超像素属于同一类别的第一权重，包括：计算该像素点所属的超像素的超像素中心与每一个相邻的超像素的超像素中心的距离，并获取计算得到的所有距离的平均值；基于所述平均值，获得所述第一权重，所述第一权重为所述平均值与预设阈值的和的倒数。本申请实施例中，通过计算该像素点所属的超像素中心与每一个相邻的超像素中心的距离的平均值，再基于预设的阈值和该平均值得到表征当前超像素与相邻超像素属于同一类别的第一权重，以及与第一权重之和为1的第二权重。由于图像中相邻像素具有一定相关性，并不是完全独立的，每个像素的类别归属与该点的邻域归属有关，通过引入表征该超像素与相邻超像素属于同一类别的权重，充分考虑到了相邻超像素之间的相关性，从而提高图像分类精度。结合上述第一方面提供的技术方案，在一些可能的实施方式中，在将待分类图像分割为多个超像素，并提取所述待分类图像的特征信息之前，所述方法还包括：获取原始待分类图像，对原始待分类图像进行滤波处理，滤除所述原始待分类图像中的相干斑噪声，得到所述待分类图像。本申请实施例中，通过对原始待分类图像进行滤波处理，能滤除原始待分类图像中的相干斑噪声，从而减小后续进行超像素分割产生的误差，提高分类精度。结合上述第一方面提供的技术方案，在一些可能的实施方式中，将所述待分类图像分割为多个超像素，包括：将所述待分类图像分解为梯度影像；根据所述梯度影像，以步长S选取种子点作为超像素的初始中心点，然后在n取n的范围内将种子点调整至梯度影像最低点，其中，所述S和n均为大于1的正整数，且n小于S；在超像素的初始中心点的2S×2S范围内，计算每个像素到该初始中心点的距离，并将该像素划分到与之最邻近超像素内；将梯度影像内所有像素均划分到超像素内后，更新每个超像素的中心点，并再次计算每个像素到中心点的距离，将该像素划分到与之最邻近超像素内，直至收敛或者达到最大迭代次数；将像素数目小于阈值的超像素合并到与之最邻近的超像素内，得到所述多个超像素。本申请实施例中，通过在梯度影像中以S为步长选取种子点作为超像素的初始中心点，然后在n步n的范围内将种子点调整至梯度影像最低点，再计算n范n的范围内每个像素到该初始中心点的距离，并将该像素划分到与之最邻近超像素内；将梯度影像内所有像素均划分到超像素内后，更新每个超像素的中心点，并再次计算每个像素到中心点的距离，将该像素划分到与之最邻近超像素内，直至收敛或者达到最大迭代次数；将像素数目小于阈值的超像素合并到与之最邻近的超像素内，最终得到多个超像素。通过本方案能生成准确细腻的超像素作为分类单元，有效降低了图像中相干斑噪声的干扰。第二方面，本申请实施例提供一种图像处理装置，包括第一处理模块、分类模块、第二处理模块、生成模块。其中，第一处理模块用于将待分类图像分割为多个超像素，并提取所述待分类图像的特征信息；分类模块用于将所述特征信息带入预先训练的第一随机森林模型，得到单像素概率分布图，所述单像素概率分布图包括所述待分类图像中所有像素点中每一个像素点的类别概率；所述分类模块还用于利用所述预先训练的第二随机森林模型对所述多个超像素中的每一个进行分类，得到超像素概率分布图，所述超像素概率分布图包括每一个超像素各自对应随机森林分类的类别概率；第二处理模块用于针对每一个像素点，基于该像素点在所述单像素概率分布图中的类别概率和该像素点在所述超像素概率分布图中的类别概率，得到该像素点更正后的类别概率；生成模块用于根据各个像素点更正后的类别概率，得到结果概率分布图，所述结果概率分布图包括所述待分类图像中所有像素本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n将待分类图像分割为多个超像素，并提取所述待分类图像的特征信息；/n将所述特征信息带入预先训练的第一随机森林模型，得到单像素概率分布图，所述单像素概率分布图包括所述待分类图像中所有像素点中每一个像素点的类别概率；/n利用预先训练的第二随机森林模型对所述多个超像素中的每一个进行分类，得到超像素概率分布图，所述超像素概率分布图包括每一个超像素各自对应随机森林分类的类别概率；/n针对每一个像素点，基于该像素点在所述单像素概率分布图中的类别概率和该像素点在所述超像素概率分布图中的类别概率，得到该像素点更正后的类别概率；/n根据各个像素点更正后的类别概率，得到结果概率分布图，所述结果概率分布图包括所述待分类图像中所有像素点中每一个像素点的更正后的类别概率。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
将待分类图像分割为多个超像素，并提取所述待分类图像的特征信息；
将所述特征信息带入预先训练的第一随机森林模型，得到单像素概率分布图，所述单像素概率分布图包括所述待分类图像中所有像素点中每一个像素点的类别概率；
利用预先训练的第二随机森林模型对所述多个超像素中的每一个进行分类，得到超像素概率分布图，所述超像素概率分布图包括每一个超像素各自对应随机森林分类的类别概率；
针对每一个像素点，基于该像素点在所述单像素概率分布图中的类别概率和该像素点在所述超像素概率分布图中的类别概率，得到该像素点更正后的类别概率；
根据各个像素点更正后的类别概率，得到结果概率分布图，所述结果概率分布图包括所述待分类图像中所有像素点中每一个像素点的更正后的类别概率。


2.根据权利要求1所述的方法，其特征在于，基于该像素点在所述单像素概率分布图中的类别概率和该像素点在所述超像素概率分布图中的类别概率，得到该像素点更正后的类别概率，包括：
获取表征该像素点所属的超像素与该超像素的相邻超像素属于同一类别的第一权重；
获取该像素点在所述单像素概率分布图中的类别概率与所述第一权重的乘积，得到第一乘积；
获取该像素点在所述超像素概率分布图中的类别概率与第二权重的乘积，得到第二乘积，其中，所述第一权重和所述第二权重之和为1；
获取所述第一乘积和所述第二乘积的和，得到该像素点更正后的类别概率。


3.根据权利要求2所述的方法，其特征在于，获取表征该像素点所属的超像素与该超像素的相邻超像素属于同一类别的第一权重，包括：
计算该像素点所属的超像素的超像素中心与每一个相邻的超像素的超像素中心的距离，并获取计算得到的所有距离的平均值；
基于所述平均值，获得所述第一权重，其中，所述第一权重为所述平均值与预设阈值的和的倒数。


4.根据权利要求1所述的方法，其特征在于，在将所述待分类图像分割为多个超像素，并提取所述待分类图像的特征信息之前，所述方法还包括：
获取原始待分类图像；
对原始待分类图像进行滤波处理，滤除所述原始待分类图像中的相干斑噪声，得到所述待分类图像。


5.根据权利要求1所述的方法，其特征在于，将所述待分类图像分割为多个超像素，包括：
将所述待分类图像分解为梯度影像；
根据所述梯度影像，以步长S选取种子点作为超像素的初始中心点，然后在n取n的范围内将种子点调整至梯度影像最低点，其中，所述S和n均为大于1的正整数，且n小于S；
在超像素的初始中心点的2S×2S范围内，计算每个像素到该初始中心点的距离，并将该像素划分...

【专利技术属性】
技术研发人员：况长虹，胡文蓉，吴雨，邓冉，
申请(专利权)人：四川九洲北斗导航与位置服务有限公司，
类型：发明
国别省市：四川;51