图像内部纹理分类方法及纹理分类模型的训练方法技术

本公开提供了一种图像内部纹理分类方法和模型的训练方法，用于图像处理和计算机视觉技术领域。分类方法包括：对目标纹理图像进行特征提取，得到第一多尺度特征图；对初始掩码图像模板和第一多尺度特征图进行点乘运算，得到目标多尺度特征图；根据目标多尺度特征图，生成目标掩码图像；对每两个相邻的目标多尺度特征图进行动态特征融合，得到融合后的目标多尺度特征图；利用目标掩码图像，对融合后的目标多尺度特征图进行空间采样，得到目标采样多尺度特征图；对目标采样多尺度特征图进行交叉注意力计算，得到第二多尺度特征图；利用分类器对第二多尺度特征图进行纹理分类，得到目标纹理图像的纹理分类结果。

【技术实现步骤摘要】

本公开涉及图像处理和计算机视觉，具体地涉及一种图像内部纹理分类方法及纹理分类模型的训练方法。

技术介绍

1、纹理分类广泛存在于自然和人工制造的物理表面，在许多应用场景中具有重要作用，如，三维建模、医学图像处理、材料科学或地形识别等。纹理分类涉及从图像中提取空间结构、模式和规律，以描述物体表面的特性。

2、早期的纹理分类方法依赖于传统的图像处理技术和手工设计的特征提取算法。这些方法通过付图像局部区域的统计分析来提取纹理特征，如，灰度共生矩阵和局部二值模式。但是，这类方法无法充分捕捉图像中的全局信息，导致在复杂场景下的分类性能不佳。

3、随着深度学习技术的发展，尤其是卷积神经网络和视觉变压器的引入，纹理分类方法取得了显著进展。但是，该方法在处理不同分辨率的图像时，可能会由信息丢失或纹理模式变化导致纹理分类性能不佳。

技术实现思路

1、鉴于上述问题，本公开提供了一种图像内部纹理分类方法及纹理分类模型的训练方法。

2、根据本公开的一个方面，提供了一种图像内部纹理分类方法，包括：对目本文档来自技高网...

【技术保护点】

1.一种图像内部纹理分类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对目标纹理图像进行特征提取，得到N个第一多尺度特征图，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于注意力机制，根据所述第i个目标多尺度特征图，生成第i个目标掩码图像，得到N个目标掩码图像，包括：

4.根据权利要求3所述的方法，其特征在于，所述第i个目标多尺度特征图和所述第i个重要性权重矩阵均包括C个通道；

5.根据权利要求4所述的方法，其特征在于，所述根据第i个目标多尺度特征图的第c个通道的特征矩阵和所述第i个重要性权重矩阵...

【技术特征摘要】

1.一种图像内部纹理分类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对目标纹理图像进行特征提取，得到n个第一多尺度特征图，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于注意力机制，根据所述第i个目标多尺度特征图，生成第i个目标掩码图像，得到n个目标掩码图像，包括：

4.根据权利要求3所述的方法，其特征在于，所述第i个目标多尺度特征图和所述第i个重要性权重矩阵均包括c个通道；

5.根据权利要求4所述的方法，其特征在于，所述根据第i个目标多尺度特征图的第c个通道的特征矩阵和所述第i个重要性权重矩阵的第c个通道的特征矩阵，得到第i个目标掩码...

【专利技术属性】
技术研发人员：雷凯，全卫泽，车武军，石剑，严冬明，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：