[发明专利]图像处理方法、装置、设备及存储介质

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：

获取样本图像、样本标注图像和样本分割图像，所述样本标注图像中标注有所述样本图像中各个像素点对应的透明度值，所述样本分割图像是对所述样本标注图像进行二值化处理得到的二值化图像；

将所述样本图像输入多尺度编码网络，得到所述多尺度编码网络输出的m个第一样本特征图，其中，不同第一样本特征图的分辨率和通道数不同，m为大于等于2的整数，所述多尺度编码网络用于对所述样本图像进行特征提取；

将m个所述第一样本特征图输入特征金字塔网络，得到所述特征金字塔网络输出的m个第二样本特征图，其中，不同第二样本特征图的通道数相同且分辨率不同，所述特征金字塔网络用于将m个所述第一样本特征图的通道数处理为目标通道数；

将m个所述第二样本特征图输入多尺度解码网络，得到所述多尺度解码网络输出的第一样本透明通道图像，所述多尺度解码网络用于对m个所述第二样本特征图进行相加和分辨率转换操作，所述第一样本透明通道图像的分辨率与所述样本图像的分辨率相同；

将m个所述第二样本特征图输入深度监督网络，得到所述深度监督网络输出的m个第三样本透明通道图像，所述深度监督网络用于对所述m个第二样本特征图进行上采样处理，不同第二样本特征图对应不同上采样倍数，m个所述第三样本透明通道图像的分辨率与所述样本图像的分辨率相同；

对所述第一样本透明通道图像和m个所述第三样本透明通道图像进行二值化处理，得到第一样本分割图像和m个第二样本分割图像；

根据所述第一样本分割图像、m个所述第二样本分割图像和所述样本分割图像，训练第一预测模型；

将所述样本图像输入训练得到的所述第一预测模型，得到所述第一预测模型输出的所述第一样本透明通道图像；

根据所述第一样本透明通道图像、所述样本标注图像和所述样本图像，训练第二预测模型；

获取原始图像，所述原始图像中包含至少一个目标对象；

将所述原始图像输入所述第一预测模型，得到所述第一预测模型输出的第一透明通道图像，所述第一透明通道图像中包括所述原始图像中各个像素点对应的预测透明度值；

将所述第一透明通道图像和所述原始图像输入所述第二预测模型，得到所述第二预测模型输出的第二透明通道图像，所述第二透明通道图像的精细度高于所述第一透明通道图像的精细度；

根据所述第二透明通道图像对所述原始图像进行分割处理，得到所述目标对象对应的图像。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一样本透明通道图像、所述样本标注图像和所述样本图像，训练第二预测模型，包括：

将所述第一样本透明通道图像和所述样本图像输入精细化网络，得到所述精细化网络输出的第二样本透明通道图像；

将所述样本图像、所述第二样本透明通道图像和所述样本标注图像输入边缘梯度网络，得到所述第二样本透明通道图像对应的边缘梯度损失；

根据所述第二样本透明通道图像和所述样本标注图像，计算所述第二样本透明通道图像对应的结构相似性损失和抠图损失；

将所述第二样本透明通道图像和所述样本标注图像输入连通性差异网络，得到所述第二样本透明通道图像对应的连通性差异损失；

根据所述边缘梯度损失、所述连通性差异损失、所述抠图损失和所述结构相似性损失，训练所述精细化网络；

将训练得到的所述精细化网络确定为所述第二预测模型。