本申请公开了一种图像处理方法、装置、设备及可读存储介质。本申请确定待处理图像中的待分类目标后，进一步确定待分类目标的轮廓像素点集，然后基于轮廓像素点集确定待分类目标的轮廓形态特征、轮廓形状分布特征、轮廓颜色特征和轮廓纹理特征，再拼接轮廓形态特征、轮廓形状分布特征、轮廓颜色特征和轮廓纹理特征得到待分类目标的特征表示，最后基于特征表示进行图像分类任务，可使表示待分类目标的特征同时包含全局、局部、形状、颜色、纹理等特征，提升了图像特征的准确性，同时以待分类目标的轮廓像素为特征提取基础，降低了特征提取的计算量。本申请提供的一种图像处理装置、设备及可读存储介质，也同样具有上述技术效果。也同样具有上述技术效果。也同样具有上述技术效果。
【技术实现步骤摘要】
一种图像处理方法、装置、设备及可读存储介质
[0001]本申请涉及计算机
，特别涉及一种图像处理方法、装置、设备及可读存储介质。
技术介绍
[0002]当前针对图像进行特征提取时，所提取的特征多而繁杂，且其中包含较多噪声。具体的，需要进行特征提取的图像中的目标区域的表面纹理不仅计算量大，还夹杂噪声信息。同时，目标区域的颜色特征数据由于受光反射等因素的影响，也容易产生噪声信息。
[0003]因此，如何提升图像特征的准确性，同时降低特征提取的计算量，是本领域技术人员需要解决的问题。
技术实现思路
[0004]有鉴于此，本申请的目的在于提供一种图像处理方法、装置、设备及可读存储介质，以提升图像特征的准确性，同时降低特征提取的计算量。其具体方案如下：第一方面，本申请提供了一种图像处理方法，包括：获取待处理图像，并确定所述待处理图像中的待分类目标；确定所述待分类目标的轮廓像素点集；基于所述轮廓像素点集确定所述待分类目标的轮廓形态特征、轮廓形状分布特征、轮廓颜色特征和轮廓纹理特征；拼接所述轮廓形态特征、所述轮廓形状分布特征、所述轮廓颜色特征和所述轮廓纹理特征得到所述待分类目标的特征表示，并基于所述特征表示进行图像分类任务。
[0005]可选地，所述确定所述待处理图像中的待分类目标，包括：将所述待处理图像变换至HSV（HueSaturationValue
‑
色调，饱和度，亮度）空间，并对变换后的图像进行目标分割，得到所述待分类目标的二值化图像。
[0006]可选地，所述对变换后的图像进行目标分割，得到所述待分类目标的二值化图像，包括：采用阈值分割方法分割变换后的图像的V通道，得到所述待分类目标的二值化图像。
[0007]可选地，所述确定所述待分类目标的轮廓像素点集，包括：利用轮廓检测算法对所述待分类目标的二值化图像进行轮廓检测，得到所述轮廓像素点集。
[0008]可选地，所述轮廓形态特征包括几何形态特征、紧固性特征和凸性特征中的任一种或组合；其中，所述几何形态特征包括宽长比特征、矩形度特征、圆度特征和圆形特征中的任一种或组合。
[0009]可选地，所述轮廓形状分布特征的确定过程包括：计算所述轮廓像素点集中每个像素点的梯度方向；
基于各像素点的梯度方向确定所述轮廓形状分布特征。
[0010]可选地，所述轮廓颜色特征的确定过程包括：计算所述轮廓像素点集中每个像素点所在邻域的色调大小；分别对各像素点所在邻域的色调大小进行灰度级量化，并统计量化得到的各灰度级的像素点占比，得到所述轮廓颜色特征。
[0011]可选地，所述轮廓纹理特征的确定过程包括：对所述轮廓像素点集中每个像素点的邻域进行LBP（Local Binary Pattern）编码，得到所述轮廓纹理特征。
[0012]可选地，所述对所述轮廓像素点集中每个像素点的邻域进行LBP编码，包括：采用旋转不变编码方法对所述轮廓像素点集中每个像素点的邻域进行LBP编码。
[0013]可选地，所述拼接所述轮廓形态特征、所述轮廓形状分布特征、所述轮廓颜色特征和所述轮廓纹理特征得到所述待分类目标的特征表示，包括：为所述轮廓形态特征、所述轮廓形状分布特征、所述轮廓颜色特征和所述轮廓纹理特征分别分配权重系数；按照所述权重系数拼接所述轮廓形态特征、所述轮廓形状分布特征、所述轮廓颜色特征和所述轮廓纹理特征，得到所述特征表示。
[0014]可选地，所述基于所述特征表示进行图像分类任务，包括：将所述特征表示输入训练完成的图像分类模型，以使所述图像分类模型输出所述待处理图像的类别。
[0015]可选地，所述基于所述特征表示进行图像分类任务，包括：将所述特征表示作为训练样本训练得到图像分类模型。
[0016]第二方面，本申请提供了一种图像处理装置，包括：图像获取模块，用于获取待处理图像，并确定所述待处理图像中的待分类目标；第一确定模块，用于确定所述待分类目标的轮廓像素点集；第二确定模块，用于基于所述轮廓像素点集确定所述待分类目标的轮廓形态特征、轮廓形状分布特征、轮廓颜色特征和轮廓纹理特征；图像分类模块，用于拼接所述轮廓形态特征、所述轮廓形状分布特征、所述轮廓颜色特征和所述轮廓纹理特征得到所述待分类目标的特征表示，并基于所述特征表示进行图像分类任务。
[0017]可选地，图像获取模块具体用于：将待处理图像变换至HSV空间，并对变换后的图像进行目标分割，得到待分类目标的二值化图像。
[0018]可选地，图像获取模块具体用于：采用阈值分割方法分割变换后的图像的V通道，得到待分类目标的二值化图像。
[0019]可选地，第一确定模块具体用于：利用轮廓检测算法对待分类目标的二值化图像进行轮廓检测，得到轮廓像素点集。
[0020]可选地，轮廓形态特征包括几何形态特征、紧固性特征和凸性特征中的任一种或组合；其中，几何形态特征包括宽长比特征、矩形度特征、圆度特征和圆形特征中的任一种
或组合。
[0021]可选地，轮廓形状分布特征的确定过程包括：计算轮廓像素点集中每个像素点的梯度方向；基于各像素点的梯度方向确定轮廓形状分布特征。
[0022]可选地，轮廓颜色特征的确定过程包括：计算轮廓像素点集中每个像素点所在邻域的色调大小；分别对各像素点所在邻域的色调大小进行灰度级量化，并统计量化得到的各灰度级的像素点占比，得到轮廓颜色特征。
[0023]可选地，轮廓纹理特征的确定过程包括：对轮廓像素点集中每个像素点的邻域进行LBP编码，得到轮廓纹理特征。
[0024]可选地，图像分类模块具体用于：为轮廓形态特征、轮廓形状分布特征、轮廓颜色特征和轮廓纹理特征分别分配权重系数；按照权重系数拼接轮廓形态特征、轮廓形状分布特征、轮廓颜色特征和轮廓纹理特征，得到特征表示。
[0025]可选地，图像分类模块具体用于：将特征表示输入训练完成的图像分类模型，以使图像分类模型输出待处理图像的类别。
[0026]可选地，图像分类模块具体用于：将特征表示作为训练样本训练得到图像分类模型。
[0027]第三方面，本申请提供了一种图像处理设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序，以实现前述公开的图像处理方法。
[0028]第四方面，本申请提供了一种可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现前述公开的图像处理方法。
[0029]通过以上方案可知，本申请提供了一种图像处理方法，包括：获取待处理图像，并确定所述待处理图像中的待分类目标；确定所述待分类目标的轮廓像素点集；基于所述轮廓像素点集确定所述待分类目标的轮廓形态特征、轮廓形状分布特征、轮廓颜色特征和轮廓纹理特征；拼接所述轮廓形态特征、所述轮廓形状分布特征、所述轮廓颜色特征和所述轮廓纹理特征得到所述待分类目标的特征表示，并基于所述特征表示进行图像分类任务。
[0030]可见，本申请确定待处理图像中的待分类目标后，进一步确定待分类目标本文档来自技高网...
【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：获取待处理图像，并确定所述待处理图像中的待分类目标；确定所述待分类目标的轮廓像素点集；基于所述轮廓像素点集确定所述待分类目标的轮廓形态特征、轮廓形状分布特征、轮廓颜色特征和轮廓纹理特征；拼接所述轮廓形态特征、所述轮廓形状分布特征、所述轮廓颜色特征和所述轮廓纹理特征得到所述待分类目标的特征表示，并基于所述特征表示进行图像分类任务。2.根据权利要求1所述的图像处理方法，其特征在于，所述确定所述待处理图像中的待分类目标，包括：将所述待处理图像变换至HSV空间，并对变换后的图像进行目标分割，得到所述待分类目标的二值化图像。3.根据权利要求2所述的图像处理方法，其特征在于，所述对变换后的图像进行目标分割，得到所述待分类目标的二值化图像，包括：采用阈值分割方法分割变换后的图像的V通道，得到所述待分类目标的二值化图像。4.根据权利要求1所述的图像处理方法，其特征在于，所述确定所述待分类目标的轮廓像素点集，包括：利用轮廓检测算法对所述待分类目标的二值化图像进行轮廓检测，得到所述轮廓像素点集。5.根据权利要求1所述的图像处理方法，其特征在于，所述轮廓形态特征包括几何形态特征、紧固性特征和凸性特征中的任一种或组合；其中，所述几何形态特征包括宽长比特征、矩形度特征、圆度特征和圆形特征中的任一种或组合。6.根据权利要求1所述的图像处理方法，其特征在于，所述轮廓形状分布特征的确定过程包括：计算所述轮廓像素点集中每个像素点的梯度方向；基于各像素点的梯度方向确定所述轮廓形状分布特征。7.根据权利要求1所述的图像处理方法，其特征在于，所述轮廓颜色特征的确定过程包括：计算所述轮廓像素点集中每个像素点所在邻域的色调大小；分别对各像素点所在邻域的色调大小进行灰度级量化，并统计量化得到的各灰度级的像素点占比，得到所述轮廓颜色特征。8.根据权利要求1所述的图像处理方法，其特征在于，所述轮廓纹理特征的确定过程包括：对所述轮廓像素点集中每个像素点的邻域进行LBP编码，得到...
【专利技术属性】
技术研发人员：沈艳梅，宿栋栋，刘伟，阚宏伟，
申请(专利权)人：浪潮电子信息产业股份有限公司，
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。