[发明专利]图像处理方法、装置及存储介质

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

对原始图像进行离散化处理，得到离散值图像，所述离散值图像包括多个栅格，每个栅格代表所述原始图像上的一个像素点，且每个栅格对应一个离散值和一个特征值；

对于所述离散值图像上任一栅格，以所述栅格为起点，在所述离散值图像上进行扩张，得到离散值与所述栅格的离散值相同且面积最大的目标区域，将所述目标区域作为一个连通域，得到至少一个连通域，每个连通域包括至少一个栅格，当每个连通域包括两个或两个以上的栅格时，两个或两个以上的栅格具有相同的离散值且彼此邻接；

根据池化计算类型和每个连通域内每个栅格的特征值，对每个连通域进行池化计算，得到每个连通域上的池化计算结果；

根据所有连通域上的池化计算结果，确定对所述原始图像的池化计算结果。

2.根据权利要求1所述的方法，其特征在于，所述以所述栅格为起点，在所述离散值图像上进行扩张，得到离散值与所述栅格的离散值相同且面积最大的目标区域，包括：

以所述栅格的每条边为起点，在所述离散值图像上进行扩张；

如果获取到与所述栅格的任一条边邻接且离散值与所述栅格的离散值相同的第一栅格，则将所述第一栅格与所述栅格合并为第一合并区域；

以所述第一合并区域的每条边为起点，在所述离散值图像上进行扩张；

如果获取到与所述第一合并区域的任一条边邻接且离散值与所述栅格的离散值相同的第二栅格，将所述第二栅格与所述第一合并区域合并为第二合并区域；

依次循环，直至合并区域的面积不再变化，将最终得到合并区域作为所述目标区域。

3.根据权利要求1所述的方法，其特征在于，所述根据池化计算类型和每个连通域内每个栅格的特征值，对每个连通域进行池化计算，得到每个连通域上的池化计算结果，包括：

当所述池化计算类型为最大池化计算，从每个连通域内所有栅格的特征值中，获取最大的特征值，将每个连通域上的最大特征值作为每个连通域上的池化计算结果；

当所述池化计算类型为平均池化计算，计算每个连通域内所有栅格的特征值的平均值，得到每个连通域内栅格的平均特征值，将每个连通域内栅格的平均特征值作为每个连通域上的池化计算结果；

当所述池化计算类型为L2范数池化计算，计算每个连通域内所有栅格的特征值的平方和，并对每个连通域内所有栅格的特征值的平方和进行开方计算，得到每个连通域内栅格的L2范数特征值。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据池化计算类型和每个连通域内每个栅格的特征值，对每个连通域进行池化计算，得到每个连通域上的池化计算结果，包括：

为所述离散值图像上的每个栅格分配一个线程；

根据池化计算类型，采用多个线程对每个连通域内每个栅格的特征值进行并行计算，得到每个连通域上的池化计算结果。

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所有连通域上的池化计算结果，确定对所述原始图像的池化计算结果之后，还包括：

将所述池化计算结果输入到卷积神经网络CNN中，得到识别结果；

计算所述识别结果与实际识别结果的残差值；

将所述残差值反向输入到所述CNN中，得到所述CNN每层的回传梯度值；

根据所述CNN每层的回传梯度值，对所述CNN的模型参数进行调整。