一种图像分割的方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种图像分割的方法、装置、电子设备及存储介质，其中，该方法包括：对待分割图像进行特征提取，得到待分割图像的特征图；对得到的特征图进行边缘特征提取，得到针对待分割图像的第一边缘特征和第二边缘特征；第一边缘特征对应的特征向量与第二边缘特征对应的特征向量的方向是不同的；基于第一边缘特征、第二边缘特征以及待分割图像的特征图，确定待分割图像的图像分割结果。结合两个边缘特征(即第一边缘特征和第二边缘特征)以及待分割图像的特征图进行图像分割，可以便于从待分割图像中彰显出目标对象的边缘轮廓，从而提升图像分割的准确度。

【技术实现步骤摘要】
一种图像分割的方法、装置、电子设备及存储介质
本公开涉及图像处理
，具体而言，涉及一种图像分割的方法、装置、电子设备及存储介质。
技术介绍
图像分割即是把图像分成若干个特定的、具有独特性质的区域并提取出感兴趣目标的过程。提取出的目标可以应用于图像语义识别、图像搜索等领域。相关技术中提供了一种以边缘检测为基础的图像分割方法，该方法的基本思想是利用区域之间的特征不一致性，检测图像中存在的边缘点，然后按照既定的策略将所有的点连接成线，直到构成闭合区域。然而，当边缘较为复杂，特别是在图像背景比较复杂的情况下，容易将本来属于图像背景的像素点分割为目标对象的像素点，分割的准确度不高。
技术实现思路
本公开实施例至少提供一种图像分割的方法、装置、电子设备及存储介质，使图像边缘得到更精确的分割，分割的准确度较高。第一方面，本公开实施例提供了一种图像分割的方法，所述方法包括：对待分割图像进行特征提取，得到所述待分割图像的特征图；对得到的所述特征图进行边缘特征提取，得到针对所述待分割图像的第一边缘特本文档来自技高网...

【技术保护点】
1.一种图像分割的方法，其特征在于，所述方法包括：/n对待分割图像进行特征提取，得到所述待分割图像的特征图；/n对得到的所述特征图进行边缘特征提取，得到针对所述待分割图像的第一边缘特征和第二边缘特征；所述第一边缘特征对应的特征向量与所述第二边缘特征对应的特征向量的方向是不同的；/n基于所述第一边缘特征、所述第二边缘特征以及所述待分割图像的特征图，确定所述待分割图像的图像分割结果。/n

【技术特征摘要】
1.一种图像分割的方法，其特征在于，所述方法包括：
对待分割图像进行特征提取，得到所述待分割图像的特征图；
对得到的所述特征图进行边缘特征提取，得到针对所述待分割图像的第一边缘特征和第二边缘特征；所述第一边缘特征对应的特征向量与所述第二边缘特征对应的特征向量的方向是不同的；
基于所述第一边缘特征、所述第二边缘特征以及所述待分割图像的特征图，确定所述待分割图像的图像分割结果。


2.根据权利要求1所述的方法，其特征在于，对待分割图像进行特征提取，得到所述待分割图像的特征图，包括：
对待分割图像进行特征提取，得到原始多尺度特征图；所述原始多尺度特征图包括多个尺度的特征图；
从所述多个尺度的特征图中选取尺度最大的一个特征图，作为底层单尺度特征图；
所述对得到的所述特征图进行边缘特征提取，得到针对所述待分割图像的第一边缘特征和第二边缘特征，包括：
将所述原始多尺度特征图和所述底层单尺度特征图进行和值运算，得到第一和值特征图；
对所述第一和值特征图进行边缘特征提取，得到所述第一边缘特征和第二边缘特征。


3.根据权利要求2所述的方法，其特征在于，所述对所述第一和值特征图进行边缘特征提取，得到所述第一边缘特征和第二边缘特征，包括：
基于所述第一和值特征图和所述原始多尺度特征图进行级联运算，得到级联特征图；
将所述级联特征图输入所述边缘压缩网络的不同卷积层进行边缘特征提取，得到方向不同的两个特征向量；
分别基于所述两个特征向量对所述第一和值特征图进行双线性插值运算，得到所述第一边缘特征和第二边缘特征。


4.根据权利要求2或3所述的方法，其特征在于，所述基于所述第一边缘特征、所述第二边缘特征以及所述待分割图像的特征图，确定所述待分割图像的图像分割结果，包括：
将所述第一边缘特征、所述第二边缘特征以及所述原始多尺度特征图进行和值运算，得到第二和值特征图；
基于所述第二和值特征图对所述待分割图像进行图像分割，得到图像分割结果。


5.根据权利要求4所述的方法，其特征在于，对得到的特征图进行边缘特征提取是由神经网络中的边缘压缩网络执行的；基于所述第二和值特征图对所述待分割图像进行图像分割是由所述神经网络中的主分割网络执行的；
按照如下步骤训练所述神经网络：
获取多个图像样本以及针对每个所述图像样本的原始标注信息；
对所述图像样本进行特征提取，得到样本特征图；
基于提取的所述样本特征图以及所述图像样本的原始标注信息对所述神经网络进行训练。


6.根据权利要求5所述的方法，其特征在于，所述基于提取的所述样本特征图以及所述图像样本的原始标注信息对所述神经网络进行训练，包括：
利用所述神经网络对提取的所述样本特征图进行图像分割，输出图像分割结果，并将该图像分割结果与所述图像样本的原始标注信息进行对比；
基于所述对比结果，调整所述主分割网络以及所述边缘压缩网络中至少一个网络的网络参数值。


7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
基于每个所述图像样本的原始标注信息，确定所述图像样本中包括的目标对象的第一对象标注信息、第二对象标注信息以及第三对象标注信息；所述第一对象标注信息用于指示所述目标对象的边缘像素点的标注值与其它非边缘像素点的标注值不同，所述第二对象标注信息用于指示所述目标对象内对应腐蚀区域的标注值与其它非腐蚀区域的标注值不同，所述第三对象标注信息用于指示所述目标对象外对应膨胀区域的标注值与其它非膨胀区域的标注值不同；
所述神经网络还包括第一副分割网络、第二副分割网络和第三副分割网络；
所述基于提取的所述样本特征图以及所述图像样本的原始标注信息对所述神经网络进行训练，包括：
对所述样本特...

【专利技术属性】
技术研发人员：李祥泰，程光亮，
申请(专利权)人：上海商汤临港智能科技有限公司，
类型：发明
国别省市：上海;31