[发明专利]图像分割方法、相应的装置及电子设备

说明书

本申请提供一种图像分割方法、相应的装置及电子设备。该方法包括：在输入图像中提取N个尺度的图像语义特征，N为不小于3的整数；依据预定的级联关系，通过N‑1个级联的密集提炼网络对N个尺度的图像语义特征按照尺度从小到大的顺序依次进行特征处理，以得到输入图像中预定场景区域的二值化掩膜图像。与现有技术中采用复杂的网络结果来进行图像分割相比，本申请采用高效的密集提炼网络多级级联来对输入图像中提取的多个尺度的图像语义特征进行特征处理，可以有效提高网络的整体运算速度。

技术领域

本申请涉及数字图像处理技术领域，具体而言，本申请涉及一种图像分割方法、相应的装置及电子设备。

背景技术

目标识别是在数字图像处理中应用非常广泛的技术，其要求根据指定目标的特征，在复杂的图像内容中，将指定目标识别分割出来。该技术在很多领域中都起着举足轻重的作用，诸如军事、交通、商业、医疗等。而随着深度学习的兴起，目标识别算法也突破了传统算法的瓶颈，有了长足的发展。

对特殊场景的识别分割是目标识别的一种特定应用，其目的是准确识别特殊场景区域，并将其与其他目标进行区分。例如天空场景区域的分割，在无人机视觉、气象监测、娱乐APP等方面均有一定的应用。目前天空场景区域的分割主要基于梯度统计等技术，在天空特征不够明显的情况下(如浓雾，暗夜等)，会有较大几率产生误分割。类似的，对于特殊场景区域，为了达到理想的分割效果，普遍会采用较复杂网络结构进行识别分割，严重影响目标识别的运算效率。

发明内容

本申请提供了一种图像分割方法、相应的装置及电子设备，用于解决图像分割的运算效率低的问题。

第一方面，提供了一种图像分割方法，包括：

在输入图像中提取N个尺度的图像语义特征，N为不小于3的整数；

依据预定的级联关系，通过N-1个级联的密集提炼网络对N个尺度的图像语义特征按照尺度从小到大的顺序依次进行特征处理，以得到输入图像中预定场景区域的二值化掩膜图像；

其中，预定的级联关系为：输入第n个密集提炼网络的两个相邻尺度的语义特征包括第n个尺度的低频语义特征和第n+1个尺度的图像语义特征，第n个尺度的低频语义特征是由第n-1个密集提炼网络输出的，2≤n≤N-1；

输入第1个密集提炼网络的两个相邻尺度的语义特征包括第1个尺度的图像语义特征和第2个尺度的图像语义特征。

第二方面，一种图像分割装置，包括：

提取模块，被配置为在输入图像中提取N个尺度的图像语义特征，N为不小于3的整数；

特征处理模块，被配置为依据预定的级联关系，通过N-1个级联的密集提炼网络对N个尺度的图像语义特征按照尺度从小到大的顺序依次进行特征处理，以得到输入图像中预定场景区域的二值化掩膜图像；

其中，预定的级联关系为：输入第n个密集提炼网络的两个相邻尺度的语义特征包括第n个尺度的低频语义特征和第n+1个尺度的图像语义特征，第n个尺度的低频语义特征是由第n-1个密集提炼网络输出的，2≤n≤N-1；

输入第1个密集提炼网络的两个相邻尺度的语义特征包括第1个尺度的图像语义特征和第2个尺度的图像语义特征。

第三方面，提供了一种电子设备，该电子设备包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；

存储器用于存放至少一可执行指令，可执行指令使处理器执行如第一方面所示的图像分割方法对应的操作。

第四方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现第一方面所示的图像分割方法。