图像处理、图像处理模型训练、图像模式识别方法和装置制造方法及图纸

本发明专利技术公开了一种图像处理、图像模式识别、图像处理模型训练方法和装置。所述图像处理方法包括：根据待识别图像的形状特征参数，确定待识别图像所属的图像聚类簇；根据与所述图像聚类簇对应的形状特征参数的取值范围，初始化图像处理模型为相应尺寸的图像处理模型；将所述待识别图像输入初始化后的图像处理模型中，输出相应目标尺寸的图像。能够对图像尺寸进行自适应调整，不会导致图像变形和特征丢失，从而提高图像识别的准确率。

【技术实现步骤摘要】
图像处理、图像处理模型训练、图像模式识别方法和装置
本专利技术涉及图像处理
，特别涉及一种图像处理、图像处理模型训练、图像模式识别方法和装置。
技术介绍
在图像分类、场景识别等图像处理过程中，输入的多个图像很难保证尺寸一致，图像的宽高比也会存在差异，为了统一图像尺寸和宽高比，经常需要进行图像缩放调整，现有技术中，当输入图像的宽高比存在差异时，对图像进行缩放调整的方式有：(1)通过插值技术将不同尺寸的图像缩放到统一的尺寸和宽高比，这种方式会导致有些图像中的内容大幅度变形。例如：输入图像中，有如图1所示的宽高比为13：3的划痕状缺陷图像，也有如图2所示的宽高比为4:3的点状缺陷图像，将这些图像缩放到统一的目标尺寸和相同的宽高比，图1中的图像缩放后得到的图像如图3所示，图2中的图像缩放后得到图像如图4所示，此时，会导致原来宽高比为13:3的图像内容大幅度变形，划痕状缺陷所有具有的特质被抑制了，图像识别时精确度也会受到影响。(2)通过插值技术将不同尺寸的图像保持宽高比缩放到指定宽度或高度，然后填充图像外侧，使之变成统一的尺寸和宽高比的图像，这种方式会导致缩放后的图像中出现大量的干扰信息，影响后续图像识别的精度和图像分类的准确性。沿用上边的例子，图1中的图像缩放到统一宽度后得到的图像如图5所示，需要在高度方向上进行大面积的填充，会带来很多干扰信息，且填充区域与图像区域的边界会有非常强烈的梯度信息，图像细节也会剧烈损失，对图像的识别准确度会造成极大的影响。(3)通过分块的方式，将输入图像划分为若干个重叠或不重叠的子图，每个子图的尺寸或宽高比相同或近似。这种方式需要分块进行图像识别，在融合识别处理结果，会带来更多复杂的后需处理步骤，增加算法的复杂性，对准确率、鲁棒性也会有不利影响。可见，现有技术中，当输入的待处理图像存在宽高比差异时，将其缩放到统一的目标尺寸，会存在图像变形、图像特征丢失、引入干扰信息等影响图像精确识别的因素，导致图像识别的准确率低。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种图像处理、图像处理模型训练、图像模式识别方法和装置。本专利技术实施例提供一种图像处理方法，其特征在于，包括：根据待识别图像的形状特征参数，确定待识别图像所属的图像聚类簇；根据与所述图像聚类簇对应的形状特征参数的取值范围，初始化图像处理模型为相应尺寸的图像处理模型；将所述待识别图像输入初始化后的图像处理模型中，输出相应目标尺寸的图像。在一些可选的实施例中，所述根据待识别图像的形状特征参数，确定待识别图像所属的图像聚类簇，包括：根据待识别图像的宽高比和每个图像聚类簇对应的宽高比范围，分别确定每个待识别图像所属的图像聚类簇。在一些可选的实施例中，根据与所述图像聚类簇对应的形状特征参数的取值范围，初始化图像处理模型为相应尺寸的图像处理模型，包括：根据所述图像聚类簇对应的形状特征参数的取值范围，确定对应的图像处理模型的尺寸和模型参数；基于所述模型参数初始化图像处理模型，实现加载相应尺寸的图像处理模型。在一些可选的实施例中，所述待识别图像的形状特征参数，包括图像宽高比、对角线的像素长度、最长边的像素长度中的至少一个。本专利技术实施例还提供一种图像处理装置，其特征在于，包括：图像聚类模块，用于根据待识别图像的形状特征参数，确定待识别图像所属的图像聚类簇；模型初始化模块，用于根据与所述图像聚类簇对应的形状特征参数的取值范围，初始化图像处理模型为相应尺寸的图像处理模型；图像处理模块，用于将所述待识别图像输入初始化后的图像处理模型中，输出相应目标尺寸的图像。本专利技术实施例还提供一种图像处理系统，包括：上述的图像处理装置、神经网络处理引擎和图像处理模型；所述图像处理装置确定待识别图像所属的图像聚类簇后，调用神经网络处理引擎来实现基于与所述图像聚类簇对应的形状特征参数的取值范围，使用相应的模型参数初始化图像处理模型。本专利技术实施例还提供一种图像模式识别方法，包括：使用如权利要求1-4任一项所述的图像处理方法对待识别图像进行缩放处理；识别得到的指定目标尺寸的图像中的指定图像元素。本专利技术实施例还提供一种一种图像模式识别装置，包括：上述的图像处理装置和元素识别模块；所述图像处理装置，用于对待识别图像进行缩放处理，得到指定目标尺寸的图像；所述元素识别模块，用于识别得到的指定目标尺寸的图像中的指定图像元素。本专利技术实施例还提供一种图像处理模型训练方法，包括：将图像样本基于指定的形状特征参数进行聚类，得到多个图像样本聚类簇；每个图像样本聚类簇对应所述形状特征参数的一个取值范围；依次使用每个图像样本聚类簇中的图像样本对预设的图像处理模型进行训练，分别得到与每个形状特征参数取值范围对应的图像处理模型并存储。在一些可选的实施例中，所述将图像样本基于指定的形状特征参数进行聚类，得到多个图像样本聚类簇，包括：根据每个图像样本的宽高比对图像样本进行排序，得到图像样本宽高比的统计数据；对图像样本宽高比的统计数据进行分析，确定图像样本聚类簇簇数K和每个图像样本聚类簇对应的宽高比取值范围，K为正整数；根据每个图像样本聚类簇对应的宽高比取值范围，将每个图像样本聚类到不同的图像样本聚类簇中，得到K个图像样本聚类簇。在一些可选的实施例中，依次使用每个图像样本聚类簇中的图像样本对预设的图像处理模型进行训练，分别得到与每个形状特征参数取值范围对应的图像处理模型，包括：从K个聚类簇中随机选择一个图像样本聚类簇，从该图像样本聚类簇中随机选择多个图像样本，作为当前训练批次的图像样本；使用当前训练批次的图像样本训练指定的图像处理模型，得到满足预设条件的图像处理模型时，记录该图像样本聚类簇的形状特征参数取值范围、对应的图像处理模型尺寸和模型参数；返回继续执行从K个聚类簇中随机选择一个图像样本聚类簇的步骤，直至训练得到K个图像样本聚类簇对应的图像处理模型。本专利技术实施例还提供一种图像处理模型训练装置，包括：样本聚类模块，用于将图像样本基于指定的形状特征参数进行聚类，得到多个图像样本聚类簇；每个图像样本聚类簇对应所述形状特征参数的一个取值范围；模型训练模块，用于依次使用每个图像样本聚类簇中的图像样本对预设的图像处理模型进行训练，分别得到与每个形状特征参数取值范围对应的图像处理模型并存储。本专利技术实施例还提供一种计算机存储介质，所述计算机存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现上述的图像处理方法、上述的图像模式识别方法和上述的图像处理模型训练方法中的至少一个。本专利技术实施例还提供一种图像处理设备，包括：存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的图像处理方法、上述的图像模式识别方法和上本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n根据待识别图像的形状特征参数，确定待识别图像所属的图像聚类簇；/n根据与所述图像聚类簇对应的形状特征参数的取值范围，初始化图像处理模型为相应尺寸的图像处理模型；/n将所述待识别图像输入初始化后的图像处理模型中，输出相应目标尺寸的图像。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
根据待识别图像的形状特征参数，确定待识别图像所属的图像聚类簇；
根据与所述图像聚类簇对应的形状特征参数的取值范围，初始化图像处理模型为相应尺寸的图像处理模型；
将所述待识别图像输入初始化后的图像处理模型中，输出相应目标尺寸的图像。


2.如权利要求1所述的方法，其特征在于，所述根据待识别图像的形状特征参数，确定待识别图像所属的图像聚类簇，包括：
根据待识别图像的宽高比和每个图像聚类簇对应的宽高比范围，分别确定每个待识别图像所属的图像聚类簇。


3.如权利要求2所述的方法，其特征在于，根据与所述图像聚类簇对应的形状特征参数的取值范围，初始化图像处理模型为相应尺寸的图像处理模型，包括：
根据所述图像聚类簇对应的形状特征参数的取值范围，确定对应的图像处理模型的尺寸和模型参数；
基于所述模型参数初始化图像处理模型，实现加载相应尺寸的图像处理模型。


4.一种图像处理装置，其特征在于，包括：
图像聚类模块，用于根据待识别图像的形状特征参数，确定待识别图像所属的图像聚类簇；
模型初始化模块，用于根据与所述图像聚类簇对应的形状特征参数的取值范围，初始化图像处理模型为相应尺寸的图像处理模型；
图像处理模块，用于将所述待识别图像输入初始化后的图像处理模型中，输出相应目标尺寸的图像。


5.一种图像模式识别方法，其特征在于，包括：
使用如权利要求1-3任一项所述的图像处理方法对待识别图像进行缩放处理；
识别得到的指定目标尺寸的图像中的指定图像元素。


6.一种图像模式识别装置，其特征在于，包括：如权利要求4所述的图像处理装置和元素识别模块；
所述图像处理装置，用于对待识别图像进行缩放处理，得到指定目标尺寸的图像；
所述元素识别模块，用于识别得到的指定目标尺寸的图像中的指定图像元素。


7.一种图像处理模型训练方法，其特征在于，包括：
将图像样本基于指定的形状特征参数进行聚类，得到多个图像样本聚类簇；每个图像样本聚类簇对应所述形状特征参数的一个取值范围；
依次使用每个图像样本聚类簇中的图像样本对预设的图像处理模型进行训练，分别得到与每个形状特征参数取值范围对应的图...

【专利技术属性】
技术研发人员：田光亚，朱勇，
申请(专利权)人：中科创达软件股份有限公司，
类型：发明
国别省市：北京;11