[发明专利]图像分割方法和装置

说明书

本发明提供一种图像分割方法和装置，通过根据待处理照片得到纹理特征图；又根据预设的卷积神经网络模型对所述待处理照片进行特征提取；然后根据所述纹理特征图和所述深度特征图，得到高维特征图，所述高维特征图中像素点的值为所述待处理照片中对应像素点的高维特征，所述高维特征包括所述纹理特征与所述深度特征，从而得到具体的纹理特征与抽象的深度特征的结合，对待处理照片进行了更好的描述；最后对所述高维特征图进行分割，得到目标分割图，所述分割图至少包括用于指示所述待处理照片的拍摄目标的目标分割区域，提高了分割的精度和准确率。

技术领域

本发明涉及图像处理技术，尤其涉及一种图像分割方法和装置。

背景技术

一条铁轨往往会穿越不同的地形地貌，保障铁路线和周边设施的安全就成为重中之重。例如，一条铁路线往往会跨过多条河流，部分铁路线旁边也存在的大量的湖泊。降雨后，河流和湖泊的水位暴涨，过高的水位会对铁路的安全运营产生威胁。因此，有必要对河流和湖泊的水位进行实时监测。

现有的一种安全监测系统是定时、定高对河流和湖泊等监测区域进行拍照，然后利用水域与地面在颜色上的区别，进行基于颜色的图像分割，从实拍的照片中分割出水域图像，在水域图像的面积超过预设阈值时，自动进行水位报警。

然而，对水域进行拍摄时，照片的像素通常很大，基于颜色的图像分割无法对细节进行描述，而且照片中水域与陆地的颜色区别也不是很明显，基于颜色的图像分割精度和准确率较低。

发明内容

本发明提供一种图像分割方法和装置，通过纹理特征与深度特征组合得到的高维特征，得到具体的纹理特征与抽象的深度特征的结合，对待处理照片进行了更好的描述；最后对所述高维特征图进行分割，得到目标分割图，提高了图像分割的精度和准确率。

根据本发明的第一方面，提供一种图像分割方法，包括：

根据待处理照片得到纹理特征图，所述纹理特征图中像素点的值为所述待处理照片中对应像素点的纹理特征；

根据预设的卷积神经网络模型对所述待处理照片进行特征提取，得到深度特征图，所述深度特征图中像素点的值为所述待处理照片中对应像素点的深度特征；

根据所述纹理特征图和所述深度特征图，得到高维特征图，所述高维特征图中像素点的值为所述待处理照片中对应像素点的高维特征，所述高维特征包括所述纹理特征与所述深度特征；

对所述高维特征图进行分割，得到目标分割图，所述分割图至少包括用于指示所述待处理照片的拍摄目标的目标分割区域。

可选地，所述根据待处理照片得到纹理特征图，所述纹理特征图中像素点的值为所述待处理照片中对应像素点的纹理特征，包括：

对待处理照片进行离散小波帧分解，得到第一子图和第二子图，其中，所述第一子图为将所述待处理照片先对行做低通滤波再对列做高通滤波后的子图，所述第二子图为将所述待处理照片先对行做高通滤波再对列做低通滤波后的子图；

对所述第一子图的各像素点进行中值滤波，将中值滤波后第一子图的各像素点的小波系数的平方确定为第一子图的各像素点的能量值，并根据所述第一子图的各像素点的能量值将所述第一子图的像素点分为高能点和低能点；

对所述第二子图的各像素点进行中值滤波，将中值滤波后第二子图的各像素点的小波系数的平方确定为第二子图的各像素点的能量值，并根据所述第二子图的各像素点的能量值将所述第二子图的像素点分为高能点和低能点；

根据所述待处理照片中像素点在所述第一子图中对应为高能点或低能点，以及在所述第二子图中对应为高能点或低能点，确定所述待处理照片中所述像素点的纹理特征；

根据所述待处理照片中所有像素点的纹理特征，得到纹理特征图，所述纹理特征图中像素点的值为所述待处理照片中对应像素点的纹理特征。