[发明专利]图像处理方法、装置、存储介质和计算机设备

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：

获取待处理图像；所述待处理图像的数量多于一个；各所述待处理图像根据同一成像目标成像得到；

确定所述待处理图像所属的模态类别；所述模态类别用于表征所述待处理图像的成像方式；

将属于相同模态类别的待处理图像的图像尺寸调整至统一的图像尺寸；

分别通过各模态类别相应的机器学习模型中的编码器，将属于相应模态类别、且经过图像尺寸调整的待处理图像，共同编码为语义分割特征矩阵；其中，各所述语义分割特征矩阵解码后得到的语义分割图像，具有表示所属分类类别的像素值，且与编码自的各待处理图像中的像素点按像素位置对应；所述语义分割特征矩阵属于所述待处理图像中图像内容的语义特征表达；

通过所述机器学习模型中的解码器解码所述语义分割特征矩阵得到语义分割图像；所述语义分割图像中的像素点，具有表示所属分类类别的像素值，且与所述待处理图像中的像素点对应；

根据属于目标分类类别的像素点确定目标图像区域。

2.根据权利要求1所述的方法，其特征在于，所述确定所述待处理图像所属的模态类别，包括：

获取所述待处理图像所对应的图像成像信息；

根据所述图像成像信息，确定所述待处理图像所对应的模态；

将所述模态所属的模态类别作为所述待处理图像所属的模态类别。

3.根据权利要求1所述的方法，其特征在于，所述将属于相同模态类别的待处理图像的图像尺寸调整至统一的图像尺寸，包括：

查询各模态类别相应的机器学习模型各自关联的参考图像尺寸；

对各所述待处理图像进行像素点采样，以将各待处理图像的图像尺寸调整至所属模态类别相应的机器学习模型所关联的参考图像尺寸。

4.根据权利要求1所述的方法，其特征在于，所述根据属于目标分类类别的像素点确定目标图像区域，包括：

根据各所述语义分割图像中属于目标分类类别的像素点，相应确定各所述语义分割图像中的目标图像区域；或者

根据各所述语义分割图像中像素点与编码自的各待处理图像中的像素点的对应关系，确定各待处理图像中的各像素点各自对应的分类类别；

根据各所述待处理图像中属于目标分类类别的像素点，相应确定各所述语义分割图像中的目标图像区域。

5.根据权利要求1所述的方法，其特征在于，所述各模态类别相应的机器学习模型的生成步骤包括：

收集属于各模态类别的图像样本；

为各模态类别相应的机器学习模型关联参考图像尺寸；

分别将属于各模态类别的图像样本的图像尺寸，调整至所属模态类别相应的机器学习模型所关联的参考图像尺寸；

确定各所述图像样本中各像素点所对应的分类类别；

根据各所述图像样本和各所述图像样本中各像素点所对应的分类类别，训练所属模态类别相应的机器学习模型。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述待处理图像为医学图像；所述机器学习模型为对称卷积神经网络模型。

7.一种图像处理装置，包括：

获取模块，用于获取待处理图像；所述待处理图像的数量多于一个；各所述待处理图像根据同一成像目标成像得到；

确定模块，用于确定所述待处理图像所属的模态类别；所述模态类别用于表征所述待处理图像的成像方式；

编码模块，用于将属于相同模态类别的待处理图像的图像尺寸调整至统一的图像尺寸；分别通过各模态类别相应的机器学习模型中的编码器，将属于相应模态类别、且经过图像尺寸调整的待处理图像，共同编码为语义分割特征矩阵；其中，各所述语义分割特征矩阵解码后得到的语义分割图像，具有表示所属分类类别的像素值，且与编码自的各待处理图像中的像素点按像素位置对应；所述语义分割特征矩阵属于所述待处理图像中图像内容的语义特征表达；

解码模块，用于通过所述机器学习模型中的解码器解码所述语义分割特征矩阵得到语义分割图像；所述语义分割图像中的像素点，具有表示所属分类类别的像素值，且与所述待处理图像中的像素点对应；

分割模块，用于根据属于目标分类类别的像素点确定目标图像区域。