图像分割方法、装置、终端设备及计算机可读存储介质制造方法及图纸

本申请适用于图像处理技术领域，提供一种图像分割方法、装置、终端设备及计算机可读存储介质，方法包括：获取第一图像，以及对第一图像进行尺寸缩放，得到第二图像；将第二图像输入第一分割网络模型进行处理，输出第一分割图像；将第一图像、第二图像和第一分割图像输入第二分割网络模型进行处理，输出图像分割精度高于第一分割图像的第二分割图像。本申请的实施例能对高清大图进行精细分割。施例能对高清大图进行精细分割。施例能对高清大图进行精细分割。

【技术实现步骤摘要】
图像分割方法、装置、终端设备及计算机可读存储介质


[0001]本申请属于图像处理
，尤其涉及一种图像分割方法、装置、终端设备及计算机可读存储介质。

技术介绍

[0002]在深度学习还没流行起来的时候，研究者经常采用梯度算法来检测图像中天空区域边界，用图像暗通道算法来分辨天空区域和非天空区域；但是这些算法的分割精度不高，因为物体边缘界线和一些细小物体和孔洞很难被分割出来。而最近两年，更多的研究者会采用神经网络来分割物体，但由于模型一般是由小图训练(比如将图像的大小改成256x256或者512x512等)，所以当分割高清大图的时候，效果不理想。

技术实现思路

[0003]本申请的实施例提供一种图像分割方法、装置、终端设备及计算机可读存储介质，能对高清大图进行精细分割。
[0004]第一方面，本申请的实施例提供一种图像分割方法，包括：
[0005]获取第一图像，以及对第一图像进行尺寸缩放，得到第二图像；
[0006]将第二图像输入第一分割网络模型进行处理，输出第一分割图像；
[0007]将第一图像、第二图像和第一分割图像输入第二分割网络模型进行处理，输出图像分割精度高于第一分割图像的第二分割图像。
[0008]第二方面，本申请的实施例提供一种图像分割装置，包括：
[0009]图像获取单元，用于获取第一图像，以及对第一图像进行尺寸缩放，得到第二图像；
[0010]第一分割网络模型，用于将第二图像输入第一分割网络模型进行处理，输出第一分割图像；/>[0011]第二分割网络模型，用于将第一图像、第二图像和第一分割图像输入第二分割网络模型进行处理，输出图像分割精度高于第一分割图像的第二分割图像。
[0012]第三方面，本申请的实施例提供一种终端设备，终端设备包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面中任一项的方法。
[0013]第四方面，本申请的实施例提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现第一方面中任一项的方法。
[0014]第五方面，本申请的实施例提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行第一方面中任一项的方法。
[0015]可以理解的是，第二方面至第五方面的有益效果可以参见第一方面中的相关描述，在此不再赘述。
[0016]本申请的实施例与现有技术相比存在的有益效果是：
[0017]将对第一图像进行尺寸缩放得到的第二图像输入第一分割网络模型，生成第一分割图像；将第一图像、第二图像和第一分割图像输入至第二分割网络模型进行处理，输出图像分割精度高于第一分割图像的第二分割图像；通过两次精度不同的分割，能提高分割结果的精细程度，从而能对高清大图进行精细分割。
[0018]本申请的实施例的一些可能的实现方式具有如下有益效果：
[0019]第一分割网络模型采用Frn归一化，输入数据为一张尺寸大小改变之后的图片(第二图像)和一张原图(第一图像)，批次数为1的时候，网络能快速收敛，再结合采用Frn归一化进行归一化的第二分割网络模型来进行分割，能使分割结果更加精细，能进一步提高对高清大图的精细分割程度；
[0020]获取背景模板的图像参数，根据图像参数对第一图像调色，生成色调改变的调色图像；根据第二分割图像、调色图像和背景模板生成第三图像；如此，使得图片在融合之后，整体色彩看起来更加自然；
[0021]损失函数为均方误差，所得到分割图值域在0到1之间，可以直接将用来无缝融合背景模板。
附图说明
[0022]为了更清楚地说明本申请的实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1是本申请一实施例提供的图像分割方法的流程示意图；
[0024]图2是本申请一实施例提供的第一分割网络模型的结构示意图；
[0025]图3是本申请一实施例提供的卷积块下结构的结构示意图；
[0026]图4是本申请一实施例提供的第一特征网络的结构示意图；
[0027]图5是本申请一实施例提供的上运算块的结构示意图；
[0028]图6是本申请一实施例提供的末端特征网络的结构示意图；
[0029]图7是本申请一实施例提供的卷积块上结构的结构示意图；
[0030]图8是本申请一实施例提供的第二分割网络模型的结构示意图；
[0031]图9是本申请一实施例提供的换背景方法的流程示意图；
[0032]图10是本申请一实施例提供的图像处理装置的结构示意图；
[0033]图11是本申请一实施例提供的第一分割网络模型的另一结构示意图；
[0034]图12是本申请一实施例提供的终端设备的另一结构示意图；
[0035]图13是本申请一实施例提供的第一图像的一个示例图；
[0036]图14是本申请一实施例提供的第二图像的一个示例图；
[0037]图15是本申请一实施例提供的第一分割图像的一个示例图；
[0038]图16是本申请一实施例提供的第二分割图像的一个示例图；
[0039]图17是本申请一实施例提供的天空模板的一个示例图；
[0040]图18是本申请一实施例提供的第三图像的一个示例图；
[0041]图19(a)是本申请一实施例提供的第一图像的另一个示例图；
[0042]图19(b)是与图19(a)对应的第二分割图像的示例图；
[0043]图20(a)是本申请一实施例提供的第三图像的另一个示例图；
[0044]图20(b)是与图20(a)对应的第一分割图像的示例图；
[0045]图21(a)是本申请一实施例提供的第一图像的第三个示例图；
[0046]图21(b)是与图21(a)对应的第二分割图像的示例图；
[0047]图22(a)是本申请一实施例提供的第三图像的第三个示例图；
[0048]图22(b)是与图22(a)对应的第一分割图像的示例图。
具体实施方式
[0049]为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图1至22及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0050]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请的实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0051]应当理解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：获取第一图像，以及对所述第一图像进行尺寸缩放，得到第二图像；将所述第二图像输入第一分割网络模型进行处理，输出第一分割图像；将所述第一图像、所述第二图像和所述第一分割图像输入第二分割网络模型进行处理，输出图像分割精度高于所述第一分割图像的第二分割图像。2.如权利要求1所述的方法，其特征在于，所述第一分割网络模型为采用FRN归一化层和均方误差为损失函数的分割网络模型；所述第二分割网络为采用FRN归一化层和导向滤波的分割网络模型。3.如权利要求1所述的方法，其特征在于，所述方法还包括：获取背景模板和所述背景模板的图像参数；根据所述图像参数对所述第一图像进行图像调色，得到指定图像；根据所述第二分割图像、所述背景模板和所述指定图像确定第三图像。4.如权利要求3所述的方法，其特征在于，所述根据所述第二分割图像、所述背景模板和所述指定图像确定第三图像，包括：获取图像融合公式；利用所述图像融合公式，对所述第二分割图像、所述背景模板和所述指定图像进行图像融合，得到第三图像。5.如权利要求4所述的方法，其特征在于，所述图像融合公式为：NewImg
ij
＝imgColorChange*(255
‑
O
h
)/255+SkyTemplate*O
h
/255其中，NewImge
ij
为所述第三图像，imgColorChange为所述指定图像，O
h
为所述第二分割图像，SkyTemplate为所述背景模板。6.如权利要求2所述的方法，其特征在于，所述将所述第二图像输入第一分割网络模型进行处理，输出第一分割图像，包括：将所述第二图像输入第一分割网络模型中进行卷积运算、FRN归一化运算、激活函数运算和分离卷积运算，得到图像特征；对所述图像特征进行上采样、卷积运算、FRN归一化运算、特征图相加和激活函数运算，得到特征网络结果；对所述特征网络结果进行上采样、卷积运算、FRN归一化运算和损失函数运算，输出第一分割图像。7.如权利要求6所述的方法，其特征在于，所述将所述第二图像输入第一分割网络模型中进行卷积运算、FRN归一化运算、激活函数运算和分离卷积运算，得到图像特征，包括：将所述第二图像输入第一分割网络模型进行卷积运算、FRN归一化运算和激活函数运算，得到第一归一化结果；对所述第一归一化结果进行分离卷积运算、FRN归一化运算和激活函数运算，得到第二归一化结果；对所述第二归一化结果进行卷积运算和FRN归一化运算，得到图像特征。8.如权利要求7所述的方法，其特征在于，所述对所述...

【专利技术属性】
技术研发人员：肖云雷，刘阳兴，
申请(专利权)人：武汉TCL集团工业研究院有限公司，
类型：发明
国别省市：