本发明专利技术实施例提供图像处理方法、装置和计算机可读存储介质，以及神经网络构建方法、装置和计算机可读存储介质。根据本发明专利技术实施例的图像处理方法包括：获取输入图像；对所述输入图像进行处理，以增强所述输入图像的结构特征，获取结构图像；利用神经网络对所述输入图像和所述结构图像进行处理，提取所述输入图像和所述结构图像的共同结构特征；至少根据所述共同结构特征，利用所述神经网络对所述输入图像按照结构进行分割，获取对所述输入图像的分割结果。割结果。割结果。
【技术实现步骤摘要】
图像处理和神经网络构建方法、装置和存储介质
[0001]本专利技术涉及图像处理领域，尤其涉及一种图像处理方法、装置和计算机可读存储介质，以及神经网络构建方法、装置和计算机可读存储介质。
技术介绍
[0002]针对图像进行按照结构的分割处理，以及进一步进行轮廓提取和缺陷检测是图像处理领域的重要研究方向。在当前的图像分割和缺陷检测过程中，通常会使用大量的标记数据来训练图像分割网络，以通过训练好的图像分割网络来实现图像按照结构的分割和基于分割结果的缺陷检测。
[0003]然而，由于图像中存在的物体颜色等因素可能在图像中引入噪声，从而影响了图像的结构特征的体现，这会导致图像按照结构的分割的精确度的降低并进一步影响缺陷检测的结果。
[0004]因此，需要一种能够有效利用图像的结构特征进行图像分割，从而提高图像分割结果的精确度的图像处理方法和装置。
技术实现思路
[0005]为解决上述技术问题，根据本专利技术的一个方面，提供了一种图像处理方法，包括：获取输入图像；对所述输入图像进行处理，以增强所述输入图像的结构特征，获取结构图像；对所述输入图像和所述结构图像进行处理，提取所述输入图像和所述结构图像的共同结构特征；至少根据所述共同结构特征，对所述输入图像按照结构进行分割，获取对所述输入图像的分割结果。
[0006]根据本专利技术的另一方面，提供了一种图像处理方法，包括：获取输入图像；利用神经网络对所述输入图像按照结构进行分割；其中，所述神经网络是通过如下方式训练的：获取输入训练图像；对所述输入训练图像进行处理，以增强所述输入训练图像的结构特征，获取结构训练图像；对所述输入训练图像和所述结构训练图像进行处理，提取所述输入训练图像和所述结构训练图像的共同结构特征；至少根据所述共同结构特征对所述输入训练图像按照结构进行分割，获取对所述输入训练图像的分割结果；将所获取的输入训练图像的分割结果与输入训练图像的真实分割结果进行比较，以调整所述神经网络的参数。
[0007]根据本专利技术的另一方面，提供了一种用于图像处理的神经网络的构建方法，包括：构建包含编码器、解码器和共同特征提取层的神经网络，其中所述共同特征提取层级联于所述编码器和解码器之间；将所述编码器配置为对输入图像和结构图像分别进行编码，其中所述结构图像是通过对所述输入图像进行处理以增强所述输入图像的结构特征而得到的；将所述共同特征提取层配置为对所述输入图像和所述结构图像进行处理，提取所述输入图像和所述结构图像的共同结构特征；将所述解码器配置为根据所述编码器的编码结果，和所述共同结构特征，对所述输入图像按照结构进行分割，以获取对所述输入图像的分割结果。
[0008]根据本专利技术的另一方面，提供了一种图像处理装置，包括：获取单元，配置为获取输入图像；增强单元，配置为对所述输入图像进行处理，以增强所述输入图像的结构特征，获取结构图像；提取单元，配置为对所述输入图像和所述结构图像进行处理，提取所述输入图像和所述结构图像的共同结构特征；分割单元，配置为至少根据所述共同结构特征，对所述输入图像按照结构进行分割，获取对所述输入图像的分割结果。
[0009]根据本专利技术的另一方面，提供了一种图像处理装置，包括：处理器；和存储器，在所述存储器中存储有计算机程序指令，其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器执行以下步骤：获取输入图像；对所述输入图像进行处理，以增强所述输入图像的结构特征，获取结构图像；对所述输入图像和所述结构图像进行处理，提取所述输入图像和所述结构图像的共同结构特征；至少根据所述共同结构特征，对所述输入图像按照结构进行分割，获取对所述输入图像的分割结果。
[0010]根据本专利技术的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现以下步骤：获取输入图像；对所述输入图像进行处理，以增强所述输入图像的结构特征，获取结构图像；对所述输入图像和所述结构图像进行处理，提取所述输入图像和所述结构图像的共同结构特征；至少根据所述共同结构特征，对所述输入图像按照结构进行分割，获取对所述输入图像的分割结果。
[0011]根据本专利技术的另一方面，提供了一种图像处理装置，包括：获取单元，配置为获取输入图像；处理单元，配置为利用神经网络对所述输入图像按照结构进行分割；其中，所述处理单元所利用的神经网络是通过如下方式训练的：获取输入训练图像；对所述输入训练图像进行处理，以增强所述输入训练图像的结构特征，获取结构训练图像；对所述输入训练图像和所述结构训练图像进行处理，提取所述输入训练图像和所述结构训练图像的共同结构特征；至少根据所述共同结构特征对所述输入训练图像按照结构进行分割，获取对所述输入训练图像的分割结果；将所获取的输入训练图像的分割结果与输入训练图像的真实分割结果进行比较，以调整所述神经网络的参数。
[0012]根据本专利技术的另一方面，提供了一种图像处理装置，包括：处理器；和存储器，在所述存储器中存储有计算机程序指令，其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器执行以下步骤：获取输入图像；利用神经网络对所述输入图像按照结构进行分割；其中，所述神经网络是通过如下方式训练的：获取输入训练图像；对所述输入训练图像进行处理，以增强所述输入训练图像的结构特征，获取结构训练图像；对所述输入训练图像和所述结构训练图像进行处理，提取所述输入训练图像和所述结构训练图像的共同结构特征；至少根据所述共同结构特征对所述输入训练图像按照结构进行分割，获取对所述输入训练图像的分割结果；将所获取的输入训练图像的分割结果与输入训练图像的真实分割结果进行比较，以调整所述神经网络的参数。
[0013]根据本专利技术的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现以下步骤：获取输入图像；利用神经网络对所述输入图像按照结构进行分割；其中，所述神经网络是通过如下方式训练的：获取输入训练图像；对所述输入训练图像进行处理，以增强所述输入训练图像的结构特征，获取结构训练图像；对所述输入训练图像和所述结构训练图像进行处理，提取所述输入训练图像和所述结构训练图像的共同结构特征；至少根据所述共同结构特征对所述输入训练图
像按照结构进行分割，获取对所述输入训练图像的分割结果；将所获取的输入训练图像的分割结果与输入训练图像的真实分割结果进行比较，以调整所述神经网络的参数。
[0014]根据本专利技术的另一方面，提供了一种用于图像处理的神经网络的构建装置，包括：构建单元，配置为构建包含编码器、解码器和共同特征提取层的神经网络，其中所述共同特征提取层级联于所述编码器和解码器之间；编码配置单元，将所述编码器配置为对输入图像和结构图像分别进行编码，其中所述结构图像是通过对所述输入图像进行处理以增强所述输入图像的结构特征而得到的；提取层配置单元，将所述共同特征提取层配置为对所述输入图像和所述结构图像进行处理，提取所述输入图像和所述结构图像的共同结构特征；解码配置单元，将所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，包括获取输入图像；对所述输入图像进行处理，以增强所述输入图像的结构特征，获取结构图像；对所述输入图像和所述结构图像进行处理，提取所述输入图像和所述结构图像的共同结构特征；至少根据所述共同结构特征，对所述输入图像按照结构进行分割，获取对所述输入图像的分割结果。2.如权利要求1所述的方法，其中，对所述输入图像进行处理，以增强所述输入图像的结构特征包括：对所述输入图像进行颜色去除、边缘增强、纹理增强、对比度增强、噪音去除、分辨率调整中的至少一个操作。3.如权利要求1所述的方法，其中，对所述输入图像和所述结构图像进行处理，提取所述输入图像和所述结构图像的共同结构特征包括：针对神经网络分别输入所述输入图像和所述结构图像；利用所述神经网络，分别对所述输入图像和所述结构图像在多个不同步长上进行编码，得到所述输入图像和所述结构图像各个不同步长上的编码特征；根据所述输入图像和所述结构图像各个不同步长上的编码特征，获取所述输入图像和所述结构图像的共同结构特征。4.如权利要求3所述的方法，其中，至少根据所述共同结构特征，对所述输入图像按照结构进行分割，获取对所述输入图像的分割结果包括：利用所述神经网络，至少根据所述共同结构特征对所述输入图像和所述结构图像分别进行分割，并基于预定规则对分别分割的结果进行融合，作为对所述输入图像的分割结果。5.如权利要求1所述的方法，其中，所述方法还包括：根据对所述输入图像的分割结果提取所述输入图像的轮廓。6.如权利要求5所述的方法，其中，所述方法还包括：将所述输入图像的轮廓与标准轮廓进行比较，以对所述输入图像进行缺陷检测。7.一种图像处理方法，包括：获取输入图像；利用神经网络对所述输入图像按照结构进行分割；其中，所述神经网络是通过如下方式训练的：获取输入训练图像；对所述输入训练图像进行处理，以增强所述输入训练图像的结构特征，获取结构训练图像；对所述输入训练图像和所述结构训...
【专利技术属性】
技术研发人员：赵颖，张毅飞，王刚，
申请(专利权)人：株式会社理光，
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。