【技术实现步骤摘要】
图像中异常区域的处理方法、装置和图像分割方法、装置
[0001]本公开涉及图像处理
，特别涉及一种图像中异常区域的处理方法、图像中异常区域的处理装置、图像分割方法、图像分割装置、电子设备和非易失性计算机可读存储介质。
技术介绍
[0002]目前，图像识别和分割技术在计算机视觉、医学图像分析等领域中得到了广泛的应用。例如，可以利用基于监督训练的机器学习方式实现人脸识别、自动驾驶、肿瘤检测等功能。
[0003]但是，由于训练数据采样的局限性，并不能把实际应用中可能出现的所有情况都包含进去。例如，在实际使用中，训练好的机器学习模型往往会遇到图像中存在包含异常区域的异常区域。这些异常区域包含了训练中没有出现的物体或图像表象，从而导致机器学习模型做出错误的判别或预测。
[0004]在相关技术中，可以在受到异常区域干扰的情况下，利用自动编码器和生成对抗网络等深度生成网络，生成未受干扰的纯净图像特性。使用纯净图像训练的自动编码器或生成对抗网络重建图像。
技术实现思路
[0005]本公开的专利技术人发现...
【技术保护点】
【技术特征摘要】
1.一种图像中异常区域的处理方法，包括：针对待处理图像中任一个或多个像素组成的待检测区域，划分包含该待检测区域的多个待处理区域；根据各待处理区域之外预设范围内的像素值，利用第一机器学习模型，分别计算该待检测区域的各预测像素值；根据该待检测区域的原始像素值，计算与所述各预测像素值相应的预测误差分布，作为第一误差分布；根据所述第一误差分布，判断该待检测区域是否属于所述待处理图像中的异常区域。2.根据权利要求1所述的处理方法，其中，所述根据所述第一误差分布，判断该待检测区域是否属于所述待处理图像中的异常区域包括：根据所述第一误差分布与第二误差分布的差异是否大于第一阈值，判断该待检测区域是否属于所述待处理图像中的异常区域，所述第二误差分布能够表征不包含所述异常区域的图像的预测误差分布。3.根据权利要求2所述的处理方法，其中，所述第二误差分布通过以下方式中的一个确定：根据所述第一机器学习模型处理不包含所述异常区域的其他图像的预测误差分布，确定所述第二误差分布；根据所述待处理图像中所有像素的第一误差分布的标准差，确定所述第二误差分布；或者根据所述待处理图像，利用第二机器学习模型确定所述第二误差分布。4.根据权利要求2所述的处理方法，其中，所述根据所述第一误差分布与第二误差分布的差异是否大于第一阈值，判断该待检测区域是否属于所述待处理图像中的异常区域包括：生成步骤，将所有属于所述异常区域的像素替换为相应的预测像素值，生成候选图像；更新步骤，根据所述候选图像，利用所述多个待处理区域和所述第一机器学习模型，更新所述第二误差分布，或者根据所述候选图像，利用第二机器学习模型，更新所述第二误差分布；判断步骤，根据所述第一误差分布与更新后的第二误差分布的差异是否大于第一阈值，重新判断该待检测区域是否属于所述异常区域。5.根据权利要求4所述的处理方法，其中，所述根据所述第一误差分布与第二误差分布的差异是否大于第一阈值，判断该待检测区域是否属于所述待处理图像中的异常区域包括：重复所述生成步骤、所述更新步骤、所述判断步骤，直到满足迭代条件，以确定所述待处理图像中的各待检测区域是否属于异常区域。6.根据权利要求4所述的处理方法，其中，所述根据所述候选图像，利用所述多个待处理区域和所述第一机器学习模型，更新所述第二误差分布包括：根据所述多个待处理区域，利用所述第一机器学习模型，计算所述候选图像中该待检测区域的各预测像素值；根据所述候选图像的各预测像素值，确定所述候选图像中该待检测区域的预测误差分
布；利用所述候选图像中该待检测区域的预测误差分布，更新所述第二误差分布。7.根据权利要求4所述的处理方法，其中，所述根据所述第一误差分布与更新后的第二误差分布的差异是否大于第一阈值，重新判断该待检测区域是否属于所述异常区域包括：根据相邻两次迭代中候选图像的第二误差分布之间的差异是否大于第二阈值，确定所述待处理图像中的各待检测区域是否属于所述异常区域。8.根据权利要求4所述的处理方法，其中，所述根据所述第一误差分布与更新后的第二误差分布的差异是否大于第一阈值，重新判断该待检测区域是否属于所述异常区域包括：根据判断为属于所述异常区域的像素，生成候选像素集合；根据所述候...
【专利技术属性】
技术研发人员：王纯亮，
申请(专利权)人：天津拓影科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。