本公开涉及一种图像处理方法及装置、电子设备和存储介质，所述图像处理方法包括：提取待处理图像中的目标对象的中心线；基于所述中心线，生成所述目标对象的目标图像；对所述目标图像进行卷积处理，得到所述目标图像中的多个第一像素点的分类结果；根据所述多个第一像素点的分类结果，将所述目标对象划分为多个第一区域。本公开实施例通过对目标图像卷积处理的方式，可自动化地实现目标对象的命名，降低了人工成本，并且，通过对基于目标对象的中心线所生成的目标对象的目标图像进行卷积处理，得到所述目标图像中的多个第一像素点的分类结果，使得分类结果更加符合目标对象的实际分布特征进而使得基于该分类结果划分的多个第一区域准确率更高。一区域准确率更高。一区域准确率更高。
【技术实现步骤摘要】
图像处理方法及装置、电子设备和存储介质
[0001]本公开涉及图像处理领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。
技术介绍
[0002]支气管是将空气自呼吸道输往肺部的通道，在免疫功能中扮演着重要的角色，支气管与很多疾病相关，如支气管炎、哮喘、肺结节等。医生通常会根据CT图进行气管分布的模拟，在此过程中，通常需要人工为支气管分段命名，此种分段命名不仅效率较低，而且准确率也较低。
技术实现思路
[0003]本公开提出了一种图像处理技术方案。
[0004]根据本公开的一方面，提供了一种图像处理方法，包括：提取待处理图像中的目标对象的中心线；基于所述中心线，生成所述目标对象的目标图像；对所述目标图像进行卷积处理，得到所述目标图像中的多个第一像素点的分类结果，其中，所述分类结果包括所述第一像素点所属区域的名称；根据所述多个第一像素点的分类结果，将所述目标对象划分为多个第一区域。
[0005]在一种可能的实施方式中，所述对所述目标图像进行卷积处理，得到所述目标图像中的多个第一像素点的分类结果，包括：根据所述目标图像进行全局图卷积处理，得到所述目标图像的全局特征和全局邻接矩阵，其中，所述全局邻接矩阵包括所述目标图像中多个第一像素点之间的特征距离；根据所述全局邻接矩阵，对所述目标图像进行局部图卷积处理，得到所述目标图像的局部特征；根据所述全局特征和所述局部特征，对所述目标图像中的多个第一像素点进行分类处理，得到所述多个第一像素点的分类结果。
[0006]在一种可能的实施方式中，所述根据所述目标图像进行全局图卷积处理，得到所述目标图像的全局特征和全局邻接矩阵，包括：根据所述目标图像进行K1次全局图卷积处理，得到全局特征和全局邻接矩阵，其中，所述全局特征通过第K1次全局图卷积处理所得到，所述全局邻接矩阵通过第一次全局图卷积处理所得到，K1为正整数。
[0007]在一种可能的实施方式中，在i小于或等于K1且大于1的情况下，第i次全局图卷积处理包括：对第i
‑
1次全局图卷积处理后输出的中间全局特征进行边缘图卷积处理，得到第一边缘图卷积处理结果和中间邻接矩阵；根据所述中间邻接矩阵和所述第一边缘图卷积处理结果，对所述第i
‑
1次全局图卷积处理后输出的中间全局特征进行拟合处理，得到第i次全局图卷积处理后输出的中间全局特征，其中，所述拟合处理包括卷积处理和/或正则化处理。
[0008]在一种可能的实施方式中，所述根据所述全局邻接矩阵，对所述目标图像进行局部图卷积处理，得到所述目标图像的局部特征，包括：根据所述全局邻接矩阵，基于所述目标图像进行K2次局部图卷积处理，得到局部特征，其中，所述局部特征通过第K2次局部图卷
积处理所得到，K2为正整数。
[0009]在一种可能的实施方式中，在j小于或等于K2且大于1的情况下，第j次局部图卷积处理包括：对第j
‑
1次局部图卷积处理后输出的中间局部特征进行边缘图卷积处理，得到第二边缘图卷积处理结果；根据所述全局邻接矩阵和所述第二边缘图卷积处理结果，对所述第j
‑
1次局部图卷积处理后输出的中间局部特征进行拟合处理，得到第j次局部图卷积处理后输出的中间局部特征，其中，所述拟合处理包括卷积处理和/或正则化处理。
[0010]在一种可能的实施方式中，所述目标图像包括树形拓扑图；所述对所述目标图像进行卷积处理，得到所述目标图像中的多个第一像素点的分类结果，包括：根据所述树形拓扑图中的层级结构，将所述树形拓扑图划分为多个采样区域；在所述多个采样区域中分别进行像素点采样，根据得到的多个采样点，生成采样图像；根据所述采样图像进行图卷积处理，得到所述采样图像中多个采样点的分类结果；根据所述多个采样点的分类结果，确定所述目标图像中多个第一像素点的分类结果。
[0011]在一种可能的实施方式中，所述目标图像包括树形拓扑图；所述对所述目标图像进行卷积处理，得到所述目标图像中的多个第一像素点的分类结果，包括：根据所述树形拓扑图中的层级结构，将所述待处理图像中的目标对象划分为多个采样区域；在所述多个采样区域中分别进行像素点采样，根据得到的多个采样点以及扩增采样点，生成采样图像，其中，所述扩增采样点通过对所述采样点进行扰动处理所得到，所述扰动处理包括平移处理和/或缩放处理；根据所述采样图像进行图卷积处理，得到所述采样图像中多个采样点的分类结果；根据所述多个采样点的分类结果，确定所述目标图像中多个第一像素点的分类结果。
[0012]在一种可能的实施方式中，所述提取待处理图像中的目标对象的中心线，包括：根据所述待处理图像进行第一分割处理，得到所述目标对象；提取所述目标对象的中心线；所述基于所述中心线，生成所述目标对象的目标图像，包括：基于所述中心线，生成所述目标对象的目标图像；基于所述目标图像中所述目标对象的端点半径，确定所述目标图像的起始端点。
[0013]在一种可能的实施方式中，所述根据所述多个第一像素点的分类结果，将所述目标对象划分为多个第一区域，包括：将所述分类结果相同的第一像素点进行聚合，确定所述目标对象包含的多个第一区域，以及所述多个第一区域对应的名称。
[0014]在一种可能的实施方式中，所述方法还包括：根据所述待处理图像进行第二分割处理，得到所述目标对象所属的目标部位；根据所述多个第一像素点的分类结果，通过最近邻方法确定所述目标部位中多个第二像素点的分类结果；根据所述多个第二像素点的分类结果，将所述目标部位划分为多个第二区域。
[0015]在一种可能的实施方式中，所述待处理图像包括医学图像，所述目标对象包括气管对象。
[0016]根据本公开的一方面，提供了一种图像处理装置，包括：中心线提取模块，用以提取待处理图像中的目标对象的中心线；目标图像生成模块，用以基于所述中心线，生成所述目标对象的目标图像；分类结果生成模块，用以对所述目标图像进行卷积处理，得到所述目标图像中的多个第一像素点的分类结果，其中，所述分类结果包括所述第一像素点所属区域的名称；第一区域划分模块，用以根据所述多个第一像素点的分类结果，将所述目标对象
划分为多个第一区域。
[0017]根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述任意一项所述的处理方法。
[0018]根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述任意一项所述的处理方法。
[0019]本公开实施例提供了一种图像处理方法，可提取待处理图像中的目标对象的中心线，并基于所述中心线，生成所述目标对象的目标图像，而后对所述目标图像进行卷积处理，得到所述目标图像中的多个第一像素点的分类结果，再根据所述多个第一像素点的分类结果，将所述目标对象划分为多个第一区域。本公开实施例通过对目标图像卷积处理的方式，可自动化地实现目标对象的命名，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：提取待处理图像中的目标对象的中心线；基于所述中心线，生成所述目标对象的目标图像；对所述目标图像进行卷积处理，得到所述目标图像中的多个第一像素点的分类结果，其中，所述分类结果包括所述第一像素点所属区域的名称；根据所述多个第一像素点的分类结果，将所述目标对象划分为多个第一区域。2.根据权利要求1所述的方法，其特征在于，所述对所述目标图像进行卷积处理，得到所述目标图像中的多个第一像素点的分类结果，包括：根据所述目标图像进行全局图卷积处理，得到所述目标图像的全局特征和全局邻接矩阵，其中，所述全局邻接矩阵包括所述目标图像中多个第一像素点之间的特征距离；根据所述全局邻接矩阵，对所述目标图像进行局部图卷积处理，得到所述目标图像的局部特征；根据所述全局特征和所述局部特征，对所述目标图像中的多个第一像素点进行分类处理，得到所述多个第一像素点的分类结果。3.根据权利要求2所述的方法，其特征在于，所述根据所述目标图像进行全局图卷积处理，得到所述目标图像的全局特征和全局邻接矩阵，包括：根据所述目标图像进行K1次全局图卷积处理，得到全局特征和全局邻接矩阵，其中，所述全局特征通过第K1次全局图卷积处理所得到，所述全局邻接矩阵通过第一次全局图卷积处理所得到，K1为正整数。4.根据权利要求3所述的方法，其特征在于，在i小于或等于K1且大于1的情况下，第i次全局图卷积处理包括：对第i
‑
1次全局图卷积处理后输出的中间全局特征进行边缘图卷积处理，得到第一边缘图卷积处理结果和中间邻接矩阵；根据所述中间邻接矩阵和所述第一边缘图卷积处理结果，对所述第i
‑
1次全局图卷积处理后输出的中间全局特征进行拟合处理，得到第i次全局图卷积处理后输出的中间全局特征，其中，所述拟合处理包括卷积处理和/或正则化处理。5.根据权利要求2至4中任意一项所述的方法，其特征在于，所述根据所述全局邻接矩阵，对所述目标图像进行局部图卷积处理，得到所述目标图像的局部特征，包括：根据所述全局邻接矩阵，基于所述目标图像进行K2次局部图卷积处理，得到局部特征，其中，所述局部特征通过第K2次局部图卷积处理所得到，K2为正整数。6.根据权利要求5所述的方法，其特征在于，在j小于或等于K2且大于1的情况下，第j次局部图卷积处理包括：对第j
‑
1次局部图卷积处理后输出的中间局部特征进行边缘图卷积处理，得到第二边缘图卷积处理结果；根据所述全局邻接矩阵和所述第二边缘图卷积处理结果，对所述第j
‑
1次局部图卷积处理后输出的中间局部特征进行拟合处理，得到第j次局部图卷积处理后输出的中间局部特征，其中，所述拟合处理包括卷积处理和/或正则化处理。7.根据权利要求1至6中任意一项所述的方法，其特征在于，所述目标图像包括树形拓扑图；
所述对所述目标图像进行卷积处理，得到所述目标图像中的多个第一像素点的分类结果，包括：根据所述树形拓扑图中的层级结构，将所述树形拓扑图划分为多个采样...
【专利技术属性】
技术研发人员：韩泓泽，孙辉，刘星龙，黄宁，张少霆，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。