用于自动提取图像中目标区域的方法、系统及存储介质技术方案

本发明专利技术提出用于自动提取图像中目标区域的方法、系统及计算机可读存储介质。该方法包括步骤：A.从待处理的图像中选取至少一个区域，所述区域包含目标区域的至少一部分，所述目标区域被限定为至少与图像像元色彩相关；B.获取所述区域所具有的特征信息，所述特征信息至少包括图像像元色彩信息；C.比较所获取的所述特征信息与对应的预设标准，将所述区域中达到所述预设标准的部分识别为所述目标区域；以及D.获取所述目标区域的特征信息。本发明专利技术所提出的用于自动提取图像中目标区域的技术节省了提取成本，提高了提取效率，使得批量化、智能化的识别提取处理成为可能。

【技术实现步骤摘要】
用于自动提取图像中目标区域的方法、系统及存储介质
本专利技术涉及图像处理领域，具体涉及用于自动提取图像中目标区域的方法、系统及计算机可读存储介质。
技术介绍
图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。20世纪以来，随着计算机技术的不断发展，图像处理技术也随之得到不断发展。在实际应用中，常常需要在初步获取的图像中提取特定的目标区域。传统上，可以通过人工识别来完成该工作。但是，一旦需要处理的图像存在样本量增大、图像复杂等情况，识别所消耗的时间、人力都将随之相应增大。另一方面，人工识别的精确度、一致度等方面往往会根据不同识别人员的感知能力和工作状态而波动，也难以控制。这也给识别工作带来了困难。
技术实现思路
为了解决或至少缓解诸如以上所述的现有问题中的一个或多个，本专利技术提供了以下技术方案。根据本专利技术的一方面，提供一种用于自动提取图像中目标区域的方法。该方法包括以下步骤：A.从待处理的图像中选取至少一个区域，所述区域包含目标区域的至少一部分，所述目标区域被限定为至少与图像像元色彩相关；B.获取所述区域所具有的特征信息，所述特征信息至少包括图像像元色彩信息；C.比较所获取的所述特征信息与对应的预设标准，将所述区域中达到所述预设标准的部分识别为所述目标区域；以及D.获取所述目标区域的特征信息。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法的步骤A中，基于所述待处理的图像中用于定位识别的特征图像来选取所述区域。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法中，所述目标区域基本上呈圆形。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法中，所述特征图像包括位于所述待处理的图像的边缘区域处且彼此间隔开的至少两个边框图像，并且在步骤A中：确定所述待处理的图像的边缘区域图像；从所述边缘区域图像中识别出所述至少两个边框图像；以及基于所识别出的所述至少两个边框图像，确定所述待处理的图像上的至少一个特征位置，所述至少一个特征位置与所述目标区域相关联。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法的步骤B中，基于所述区域构建至少一个颜色空间模型，用以根据所述颜色空间模型来获取所述区域的所述图像像元色彩信息。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法中，在步骤B中，基于所述区域分别构建HIS颜色模型和Lab颜色模型，并且分别获取所述HIS颜色模型中的H分量和所述Lab颜色模型中的a分量；在步骤C中，比较所获取的所述H分量与H分量阈值，将达到所述H分量阈值的部分识别为第一候选区域，并且比较所获取的所述a分量与a分量阈值，将达到所述a分量阈值的部分识别为第二候选区域，分别计算出所述第一候选区域和所述第二候选区域的周长与面积的比值，并将二者中所述比值较小者确定为所述目标区域。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法中，所述预设标准为预设的阈值，通过以下公式来修正所使用的阈值：T1=(x-y×S)×T0；其中，x和y分别为第一系数和第二系数，S为通过机器学习对所述区域进行等级评分处理所得到的分数，T0为初始阈值，以及T1为经修正后的阈值，用于取代所述初始阈值T0进行所述比较。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法中，所述机器学习基于AlexNet架构的深度学习网络，并且所述机器学习的训练样本库包括来自于由人工完成等级评分处理的输入数据。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法中，由人工完成的等级评分处理包括四级，其各自等级分数分别对应于所述目标区域的面积为零、所述目标区域的面积小于预设的面积阈值、所述目标区域的面积等于所述面积阈值、所述目标区域的面积大于所述面积阈值的情况。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法中，所述机器学习的等级评分处理包括所述四级，或者所述机器学习根据所述四级中各等级的对应权重值进行加权求和处理来确定等级分数。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法的步骤C中，还针对所述达到所述预设标准的所述部分进行形态学处理。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法中，所述形态学处理包括：对所述部分的图像依次进行开运算和闭运算，然后保留其中的最大连通区域；以及对所述最大连通区域进行开运算，然后保留其中的最大连通区域作为所述目标区域。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法中，所述特征信息包括颜色、面积、周长和/或形状。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的方法中，所述目标区域至少有四个。此外，根据本专利技术的另一方面，提供一种用于自动提取图像中目标区域的系统。所述系统包括：存储器，其设置成用于存储指令；以及处理器，其设置成用于在所述指令被执行时实现本专利技术的任一实施例所述的用于自动提取图像中目标区域的方法。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的系统还包括：检测装置，其设置成用于检测目标对象上的感兴趣区域；以及成像装置，其设置成用于将经由所述检测装置检测后的所述感兴趣区域摄制成图像，并且所述成像装置与所述处理器相连以向其提供所摄制成的图像。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的系统中，所述检测装置包括烟酸皮肤反应器，所述感兴趣区域包括所述目标对象的皮肤。作为上述方案的替代或补充，根据本专利技术一实施例的用于自动提取图像中目标区域的系统还包括通信装置。所述通信装置连接至所述处理器，并且设置成向所述系统之外发送数据以用于处理或存储所述数据。所述数据包括所述待处理的图像、所识别的目标区域和/或所获取的特征信息。另外，根据本专利技术的又一方面，提供一种计算机可读存储介质，其用于存储指令，所述指令在被执行时实现本专利技术的任一实施例所述的用于自动提取图像中目标区域的方法。根据本专利技术的用于自动提取图像中目标区域的技术方案实现了对目标区域的自动提取，大大节省了提取的成本，提高了提取的效率，使得批量化、自动化提取成为可能。附图说明从结合附图的以下详细说明中，将会使本专利技术的上述和其他目的及优点更加完整清楚。图1示出可应用根据本专利技术的一个实施例的用于自动提取图像中目标区域的方法的待提取图像100。图2示出在图1中的待提取图像100中选取区域120的方法实施例。图3示出根据本专利技术的一个实施本文档来自技高网...

【技术保护点】
1.一种用于自动提取图像中目标区域的方法，其特征在于，所述方法包括步骤：/nA. 从待处理的图像中选取至少一个区域，所述区域包含目标区域的至少一部分，所述目标区域被限定为至少与图像像元色彩相关；/nB. 获取所述区域所具有的特征信息，所述特征信息至少包括图像像元色彩信息；/nC. 比较所获取的所述特征信息与对应的预设标准，将所述区域中达到所述预设标准的部分识别为所述目标区域；以及/nD. 获取所述目标区域的特征信息。/n

【技术特征摘要】
1.一种用于自动提取图像中目标区域的方法，其特征在于，所述方法包括步骤：
A.从待处理的图像中选取至少一个区域，所述区域包含目标区域的至少一部分，所述目标区域被限定为至少与图像像元色彩相关；
B.获取所述区域所具有的特征信息，所述特征信息至少包括图像像元色彩信息；
C.比较所获取的所述特征信息与对应的预设标准，将所述区域中达到所述预设标准的部分识别为所述目标区域；以及
D.获取所述目标区域的特征信息。


2.根据权利要求1所述的方法，其特征在于，在步骤A中，基于所述待处理的图像中用于定位识别的特征图像来选取所述区域，并且/或者所述目标区域基本上呈圆形。


3.根据权利要求2所述的方法，其特征在于，所述特征图像包括位于所述待处理的图像的边缘区域处且彼此间隔开的至少两个边框图像，并且在步骤A中：
确定所述待处理的图像的边缘区域图像；
从所述边缘区域图像中识别出所述至少两个边框图像；以及
基于所识别出的所述至少两个边框图像，确定所述待处理的图像上的至少一个特征位置，所述至少一个特征位置与所述目标区域相关联。


4.根据权利要求1所述的方法，其特征在于，在步骤B中，基于所述区域构建至少一个颜色空间模型，用以根据所述颜色空间模型来获取所述区域的所述图像像元色彩信息。


5.根据权利要求4所述的方法，其特征在于，
在步骤B中，基于所述区域分别构建HIS颜色模型和Lab颜色模型，并且分别获取所述HIS颜色模型中的H分量和所述Lab颜色模型中的a分量；以及
在步骤C中，比较所获取的所述H分量与H分量阈值，将达到所述H分量阈值的部分识别为第一候选区域，并且比较所获取的所述a分量与a分量阈值，将达到所述a分量阈值的部分识别为第二候选区域，分别计算出所述第一候选区域和所述第二候选区域的周长与面积的比值，并将二者中所述比值较小者确定为所述目标区域。


6.根据权利要求1所述的方法，其特征在于，所述预设标准为预设的阈值，通过以下公式来修正所使用的阈值：
T1=(x-y×S)×T0；
其中，x和y分别为第一系数和第二系数，
S为通过机器学习对所述区域进行等级评分处理所得到的分数，
T0为初始阈值，以及
T1为经修正后的阈值，用于取代所述初始阈值T0进行所述比较。


7.根据权利要求6所述的方法，其特征在于，所述机器学习基于AlexNet架构的深度学...

【专利技术属性】
技术研发人员：蒋婕，汪琪，万春玲，
申请(专利权)人：上海添音生物科技有限公司，
类型：发明
国别省市：上海;31