[发明专利]图像区域分割方法、装置及其模型训练方法及计算机设备

说明书

本申请提供了一种图像区域分割方法、装置及其模型训练方法及计算机设备，涉及图像处理技术领域，解决了图像区域分割结果的分割区域精度较低的技术问题。该方法包括：获取原始图像；利用深度可分离卷积和门控卷积神经网络对所述原始图像的区域轮廓进行特征提取，得到第一轮廓特征图像和语义特征图像；通过多级边缘检测算法对所述原始图像的区域轮廓进行特征提取，得到第二轮廓特征图像；将所述第一轮廓特征图像与所述第二轮廓特征图像进行特征融合，得到第三轮廓特征图像；基于所述第三轮廓特征图像和所述语义特征图像进行像素分类，得到图像区域分割结果。

技术领域

本申请涉及图像处理技术领域，尤其是涉及一种图像区域分割方法、装置及其模型训练方法及计算机设备。

背景技术

图像区域分割是一种图像处理技术，图像区域分割的目的是从图像中划分出某个物体的区域，即找出那些对应于物体或物体表面的像元集合，它们表现为二维的团块状，这是区域基本形状特点之一。

目前，关于图像分割的过程，直接在图像中划分出不同类别的区域，以实现图像分割。但是，如果在图像中出现手指、纸张等遮挡目标物体的情况，对该目标物体的图像分割过程很容易受到影响，使得到的图像区域分割结果的分割区域精度较低。

发明内容

本发明的目的在于提供一种图像区域分割方法、装置及其模型训练方法及计算机设备，以解决图像区域分割结果的分割区域精度较低的技术问题。

第一方面，本申请实施例提供了一种图像区域分割方法，所述方法包括：

获取原始图像；

利用深度可分离卷积和门控卷积神经网络对所述原始图像的区域轮廓进行特征提取，得到第一轮廓特征图像和语义特征图像；

通过多级边缘检测算法对所述原始图像的区域轮廓进行特征提取，得到第二轮廓特征图像；

将所述第一轮廓特征图像与所述第二轮廓特征图像进行特征融合，得到第三轮廓特征图像；

基于所述第三轮廓特征图像和所述语义特征图像进行像素分类，得到图像区域分割结果。

在一个可能的实现中，基于所述第三轮廓特征图像和所述语义特征图像进行像素分类，得到图像区域分割结果的步骤，包括：

利用基于空洞卷积的空间金字塔池化(Atrous Spatial Pyramid Pooling，ASPP)提取所述第三轮廓特征图像和所述语义特征图像中不同尺度的特征；

基于所述不同尺度的特征进行像素分类，得到图像区域分割结果。

在一个可能的实现中，所述多级边缘检测算法包括下述至少一种图像处理算法：

灰度化、高斯滤波、直方图均衡化、Canny边缘检测算子。

第二方面，提供了一种图像区域分割模型的训练方法，所述图像区域分割模型用于执行上述第一方面所述的图像区域分割方法；所述训练方法包括：

获取带标注数据的图像样本，其中，所述标注数据包括所述图像样本的分割区域轮廓信息；

利用所述带标注数据的图像样本，对初始卷积神经网络模型进行训练，得到多分支的门控卷积神经网络模型；

将所述多分支的门控卷积神经网络模型确定为所述图像区域分割模型。

在一个可能的实现中，所述多分支包括语义特征分支和轮廓特征分支。

在一个可能的实现中，在所述初始卷积神经网络模型的训练过程中，利用所述标注数据中的所述分割区域轮廓信息和轮廓内的语义特征信息进行深度学习的损失计算和模型优化。

在一个可能的实现中，所图像样本的图像内容包括下述任意一项或多项：