图像处理方法及装置、电子设备和存储介质制造方法及图纸

本公开涉及一种图像处理方法及装置、电子设备和存储介质，所述方法包括：对输入图像进行下采样处理及编码处理，获得第一特征图；对第一特征图进行维度压缩处理及编码处理，获得第二特征图；对第二特征图进行密集上采样处理，获得分割图。根据本公开的实施例的图像处理方法，可通过维度压缩及编码处理，提升处理效率，缩短发现问题的时间周期，且通过密集上采样处理，可提升分割图的精度，有利于对岸线的精细化识别与管理，能够大范围应用于岸线的监测中，同时降低人工成本。同时降低人工成本。同时降低人工成本。

【技术实现步骤摘要】
图像处理方法及装置、电子设备和存储介质


[0001]本公开涉及计算机
，尤其涉及一种图像处理方法及装置、电子设备和存储介质。

技术介绍

[0002]生态文明建设是保障经济社会持续高质量发展的重要前提。为提升生态文明建设水平，应扎实推动生态涵养区生态保护和绿色发展，持续开展自然生态空间生态建设调查与评估，空气质量持续改善、水环境质量稳中有进、生态环境状况稳中向好，从而为生态文明建设做出积极贡献。
[0003]对河流、湖库岸线的监测是生态文明建设的重要环节，在监测技术方面，相关技术中，存在卫星遥感监测时间周期长、发现问题点位准确性低、地面调查人力成本高、监测覆盖范围小、对专业人员依赖性强、耗时过长等突出问题，无法满足内陆河流、湖库岸线精细化、精准化、智能化、信息化监管的需求，更无法满足即将到来的涉及面积更大的监管需求。同时，目前内陆河流、湖库岸线识别多为人工结合影像数据进行判别，岸线识别精度会因作业人员判别标准不同而有少许差异。

技术实现思路

[0004]本公开提出了一种图像处理方法及装置、电子设备和存储介质。
[0005]根据本公开的一方面，提供了一种图像处理方法，包括：对输入图像进行下采样处理及编码处理，获得第一特征图；对所述第一特征图进行维度压缩处理及编码处理，获得第二特征图，其中，所述维度压缩处理包括在特征图包含的信息不变的情况下，减少特征图的特征通道数量的处理；对所述第二特征图进行密集上采样处理，获得所述输入图像中多个类别的目标区域的分割图。
[0006]在一种可能的实现方式中，对所述第一特征图进行维度压缩处理及编码处理，获得第二特征图，包括：对多个特征通道的第一特征图的对应位置的像素点进行融合处理，获得第三特征图，其中，所述第三特征图的特征通道的数量少于所述第一特征图的特征通道的数量；对所述第三特征图进行编码处理，获得第四特征图；在达到预设迭代次数之前，将所述第四特征图作为新的第一特征图，重新执行对多个特征通道的第一特征图的对应位置的像素点进行融合处理及之后的步骤；在达到预设迭代次数时，以获得的第四特征图作为所述第二特征图。
[0007]在一种可能的实现方式中，对所述第二特征图进行密集上采样处理，获得所述输入图像中多个类别的目标对象的分割图，包括：对多个特征通道的第二特征图的对应位置的像素点进行重构处理，获得所述分割图，其中，所述分割图与所述输入图像的尺寸一致。
[0008]在一种可能的实现方式中，对多个特征通道的第二特征图的对应位置的像素点进行重构处理，获得所述分割图，包括：确定所述输入图像与所述第二特征图之间的尺寸关系；根据所述尺寸关系，对所述第二特征图的对应位置的像素点进行重构处理，获得所述分
割图。
[0009]在一种可能的实现方式中，所述方法通过深度编码网络实现，所述方法还包括：将样本图像输入所述深度编码网络，获得所述样本图像的样本分割图，所述样本图像包括对于样本图像中的目标区域的轮廓的轮廓标注以及对目标对象的类别标注；根据所述样本分割图与所述类别标注，获得第一网络损失；根据所述样本分割图与所述轮廓标注，获得第二网络损失；根据所述第一网络损失和所述第二网络损失，获得所述深度编码网络的网络损失；根据所述网络损失，对所述深度编码网络进行训练。
[0010]在一种可能的实现方式中，所述方法还包括：根据所述分割图，获得所述多个类别的目标区域的轮廓线；获取所述目标区域的类型；获取所述轮廓线的历史数据，所述历史数据包括轮廓线的历史类型及历史轮廓线；根据所述历史数据，以及所述目标区域的轮廓线和类型，获得所述轮廓线的分类结果。
[0011]在一种可能的实现方式中，根据所述历史数据，以及所述目标区域的轮廓线和类型，获得所述轮廓线的分类结果，包括：根据所述目标区域的类型，确定所述轮廓线的类型；对相同类型的历史轮廓线及轮廓线进行合并处理，并将所述轮廓线的类型确定为合并后的轮廓线的类型。
[0012]根据本公开的一方面，提供了一种图像处理装置，包括：编码模块，用于对输入图像进行下采样处理及编码处理，获得第一特征图；压缩模块，用于对所述第一特征图进行维度压缩处理及编码处理，获得第二特征图，其中，所述维度压缩处理包括在特征图包含的信息不变的情况下，减少特征图的特征通道数量的处理；上采样模块，用于对所述第二特征图进行密集上采样处理，获得所述输入图像中多个类别的目标区域的分割图。
[0013]在一种可能的实现方式中，所述压缩模块进一步用于：对多个特征通道的第一特征图的对应位置的像素点进行融合处理，获得第三特征图，其中，所述第三特征图的特征通道的数量少于所述第一特征图的特征通道的数量；对所述第三特征图进行编码处理，获得第四特征图；在达到预设迭代次数之前，将所述第四特征图作为新的第一特征图，重新执行对多个特征通道的第一特征图的对应位置的像素点进行融合处理及之后的步骤，在达到预设迭代次数时，以获得的第四特征图作为所述第二特征图。
[0014]在一种可能的实现方式中，所述上采样模块进一步用于：对多个特征通道的第二特征图的对应位置的像素点进行重构处理，获得所述分割图，其中，所述分割图与所述输入图像的尺寸一致。
[0015]在一种可能的实现方式中，所述上采样模块进一步用于：确定所述输入图像与所述第二特征图之间的尺寸关系；根据所述尺寸关系，对所述第二特征图的对应位置的像素点进行重构处理，获得所述分割图。
[0016]在一种可能的实现方式中，所述方法通过深度编码网络实现，所述装置还包括：训练模块，用于将样本图像输入所述深度编码网络，获得所述样本图像的样本分割图，所述样本图像包括对于样本图像中的目标区域的轮廓的轮廓标注以及对目标对象的类别标注；根据所述样本分割图与所述类别标注，获得第一网络损失；根据所述样本分割图与所述轮廓标注，获得第二网络损失；根据所述第一网络损失和所述第二网络损失，获得所述深度编码网络的网络损失；根据所述网络损失，对所述深度编码网络进行训练。
[0017]在一种可能的实现方式中，所述装置还包括：结果获得模块，用于根据所述分割
图，获得所述多个类别的目标区域的轮廓线；获取所述目标区域的类型；获取所述轮廓线的历史数据，所述历史数据包括轮廓线的历史类型及历史轮廓线；根据所述历史数据，以及所述目标区域的轮廓线和类型，获得所述轮廓线的分类结果。
[0018]在一种可能的实现方式中，所述结果获得模块进一步用于，根据所述目标区域的类型，确定所述轮廓线的类型；对相同类型的历史轮廓线及轮廓线进行合并处理，并将所述轮廓线的类型确定为合并后的轮廓线的类型。
[0019]根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
[0020]根据本公开的一方面，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，所述计算机程序指令被处理器执行时实现上述方法。
[0021]根据本公开的实施例的图像处理方法，可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：对输入图像进行下采样处理及编码处理，获得第一特征图；对所述第一特征图进行维度压缩处理及编码处理，获得第二特征图，其中，所述维度压缩处理包括在特征图包含的信息不变的情况下，减少特征图的特征通道数量的处理；对所述第二特征图进行密集上采样处理，获得所述输入图像中多个类别的目标区域的分割图。2.根据权利要求1所述的方法，其特征在于，对所述第一特征图进行维度压缩处理及编码处理，获得第二特征图，包括：对多个特征通道的第一特征图的对应位置的像素点进行融合处理，获得第三特征图，其中，所述第三特征图的特征通道的数量少于所述第一特征图的特征通道的数量；对所述第三特征图进行编码处理，获得第四特征图；在达到预设迭代次数之前，将所述第四特征图作为新的第一特征图，重新执行对多个特征通道的第一特征图的对应位置的像素点进行融合处理及之后的步骤；在达到预设迭代次数时，以获得的第四特征图作为所述第二特征图。3.根据权利要求1所述的方法，其特征在于，对所述第二特征图进行密集上采样处理，获得所述输入图像中多个类别的目标对象的分割图，包括：对多个特征通道的第二特征图的对应位置的像素点进行重构处理，获得所述分割图，其中，所述分割图与所述输入图像的尺寸一致。4.根据权利要求3所述的方法，其特征在于，对多个特征通道的第二特征图的对应位置的像素点进行重构处理，获得所述分割图，包括：确定所述输入图像与所述第二特征图之间的尺寸关系；根据所述尺寸关系，对所述第二特征图的对应位置的像素点进行重构处理，获得所述分割图。5.根据权利要求1所述的方法，其特征在于，所述方法通过深度编码网络实现，所述方法还包括：将样本图像输入所述深度编码网络，获得所述样本图像的样本分割图，所述样本图像包括对于样本图像中的目标区域的...

【专利技术属性】
技术研发人员：张译，杨伯钢，贾光军，余永欣，刘博文，刘晓娜，崔亚君，刘鹏，王琪，王怡，龚芸，韩雄，
申请(专利权)人：北京市测绘设计研究院，
类型：发明
国别省市：