图像处理方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种图像处理方法、装置、设备和存储介质，该方法包括：获取包含目标对象的多张图像，对多张图像进行配准处理，以得到多张配准图像。根据目标参考对象所对应的第一模板图像，对多张配准图像中的目标对象进行分割，以得到多张分割图像，分割图像包括多个分割区域。对多张分割图像中各个分割区域进行特征提取，获得与多张分割图像中各个分割区域所对应的多个图像特征。对多张分割图像中同一分割区域所对应的多个图像特征进行融合处理，得到各个分割区域所对应的多个融合后的图像特征。根据多个融合后的图像特征，确定目标对象所对应的识别结果，提高了图像处理的质量和效果。和效果。和效果。

【技术实现步骤摘要】
图像处理方法、装置、设备和存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种图像处理方法、装置、设备和存储介质。

技术介绍

[0002]21世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。数字图像处理，即用计算机对图像进行处理、分析和理解，以达到所需结果的技术，主要应用在人脸识别、图像重建、机器视觉、以及医学影像等领域。
[0003]在图像处理的过程中，图像的特征提取将直接影响图像的处理结果。现有的图像特征提取技术对待处理的图像的分辨率以及信噪比有着较高地要求。然而，在实际应用中，很多应用场景中无法直接获取到比较高的信噪比和分辨率的图像，从而影响了图像的处理结果。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种图像处理方法、装置、设备和存储介质，用以提高图像处理的质量和效果，使得目标对象的识别结果更准确。
[0005]第一方面，本专利技术实施例提供一种图像处理方法，包括：
[0006]获取包含目标对象的多张图像；
[0007]对所述多张图像进行配准处理，以得到多张配准图像；
[0008]根据目标参考对象所对应的第一模板图像，对所述多张配准图像中的目标对象进行分割，以得到多张分割图像，所述目标参考对象与所述目标对象的类型相同、形状不同，所述第一模板图像包括所述目标参考对象的分割结果，所述分割图像包括多个分割区域；
[0009]对所述多张分割图像中各个分割区域进行特征提取，获得与所述多张分割图像中各个分割区域相对应的多个图像特征；
[0010]对所述多张分割图像中同一分割区域所对应的多个图像特征进行融合处理，得到各个分割区域所对应的多个融合后的图像特征；
[0011]根据所述多个融合后的图像特征，确定所述目标对象所对应的识别结果。
[0012]第二方面，本专利技术实施例提供一种图像处理装置，包括：
[0013]获取模块，用于获取包含目标对象的多张图像；
[0014]配准模块，用于对所述多张图像进行配准处理，以得到多张配准图像；
[0015]分割模块，用于根据目标参考对象所对应的第一模板图像，对所述多张配准图像中的目标对象进行分割，以得到多张分割图像，所述目标参考对象与所述目标对象的类型相同、形状不同，所述第一模板图像包括所述目标参考对象的分割结果，所述分割图像包括多个分割区域；
[0016]特征提取模块，用于对所述多张分割图像中各个分割区域进行特征提取，获得与
所述多张分割图像中各个分割区域相对应的多个图像特征；
[0017]融合模块，用于对所述多张分割图像中同一分割区域所对应的多个图像特征进行融合处理，得到各个分割区域所对应的多个融合后的图像特征；
[0018]确定模块，用于根据所述多个融合后的图像特征，确定所述目标对象所对应的识别结果。
[0019]第三方面，本专利技术实施例提供一种电子设备，包括处理器和存储器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第一方面中的图像处理方法。该电子设备还可以包括通信接口，用于与其他设备或通信网络通信。
[0020]第四方面，本专利技术实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第一方面所述的图像处理方法。
[0021]本专利技术实施例提供的图像处理方法，首先获取包含目标对象的多张图像，接着，对多张图像进行配准处理，以得到多张配准后的图像，使得多张配准图像中的目标对象具有相同的空间位置。而后，根据第一模板图像中的目标参考对象的分割结果，直接对多张配准图像进行分割，以得到多张分割图像。其中，目标参考对象与目标对象的类型相同、形状不同，分割图像包括多个分割区域。然后，对多张分割图像中各个分割区域进行特征提取，获得与该多张分割图像中各个分割区域所对应的多个图像特征，并对该多张分割图像中同一分割区域的多个图像特征进行融合处理，得到多个融合后的图像特征。最后，根据多个融合后的图像特征，确定目标对象所对应的识别结果。
[0022]在上述方案中，通过对包含目标对象的多张分割图像中的各个分割区域进行特征提取，并对该多张分割图像中同一分割区域的多个图像特征进行融合处理，得到多个融合后的图像特征，根据多个融合后的图像特征，确定目标对象所对应的识别结果。即通过同时对包含目标对象的多张图像进行处理，即可有效避免单个图像的图像质量对特征提取的影响，并且对各个分割区域进行特征提取，可以有针对性进行特征提取，使得提取到的图像特征更加精准，这样不仅保证了图像处理的质量和效果，使得目标对象的识别结果更准确，同时还降低了对图像进行处理的困难程度，使得图像处理方法能够广阔的适用到各个应用场景中。
附图说明
[0023]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1为本专利技术实施例提供的一种图像处理方法的流程图；
[0025]图2为本专利技术实施例提供的对多张图像进行配准处理，以得到多张配准图像的流程图；
[0026]图3为本实施例提供的一种对多张分割图像中各个分割区域进行特征提取，获得与多张分割图像中各个分割区域相对应的多个图像特征的流程图；
[0027]图4为本实施例提供的一种图像处理方法的流程示意图；
[0028]图5为本专利技术实施例提供的一种图像处理方法应用在医学场景下的示意图；
[0029]图6为本专利技术实施例提供的一种图像处理装置的结构示意图；
[0030]图7为与图6所示实施例提供的图像处理装置对应的电子设备的结构示意图。
具体实施方式
[0031]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]在本专利技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
[0033]应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前本文档来自技高网...

【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：获取包含目标对象的多张图像；对所述多张图像进行配准处理，以得到多张配准图像；根据目标参考对象所对应的第一模板图像，对所述多张配准图像中的目标对象进行分割，以得到多张分割图像，所述目标参考对象与所述目标对象的类型相同、形状不同，所述第一模板图像包括所述目标参考对象的分割结果，所述分割图像包括多个分割区域；对所述多张分割图像中各个分割区域进行特征提取，获得与所述多张分割图像中各个分割区域相对应的多个图像特征；对所述多张分割图像中同一分割区域所对应的多个图像特征进行融合处理，得到各个分割区域所对应的多个融合后的图像特征；根据所述多个融合后的图像特征，确定所述目标对象所对应的识别结果。2.根据权利要求1所述的方法，其特征在于，所述对所述多张图像进行配准处理，以得到多张配准图像，包括：获取多个参考对象各自对应的参考图像，所述参考对象与目标对象的类型相同、形状不同；对所述参考图像进行计算，获得目标参考对象以及所述目标参考对象所对应的第二模板图像；利用预设算法，根据所述第二模板图像中的目标参考对象的位置信息，对所述多张图像进行配准，以获得多张配准图像。3.根据权利要求1所述的方法，其特征在于，所述对所述多张分割图像中各个分割区域进行特征提取，获得与所述多张分割图像中各个分割区域相对应的多个图像特征，包括：分别计算多张分割图像中各个分割区域所对应的一阶统计量特征、纹理特征；基于所述一阶统计量特征、所述纹理特征，确定所述多张分割图像中各个分割区域所对应的多个影像组学特征。4.根据权利要求3所述的方法，其特征在于，所述对所述多张分割图像中同一分割区域所对应的多个图像特征进行融合处理，得到各个分割区域所对应的多个融合后的图像特征，包括：分别对所述多张分割图像中同一分割区域所对应的多个影像组学特征进行均值计算，以获得各个分割区域所对应的多个融合后的影像组学特征。5.根据权利要求4所述的方法，其特征在于，所述根据所述多个融合后的图像特征，确定所述目标对象所对应的识别结果，包括：基于所述多个融合后的影像组学特征，确定目标对象所对应的特征矩阵；基于所述特征矩阵，确定所述目标对象所对应的识别结果。6.根据权利要求1所述的方法，其特征在于，所述目标对象为脑结构，所述获取包含目标对象的多张图像之前，所述方法还包括：获取包含脑结构的磁共振图像，所述磁共振图像包括T1W成像和T2W成像，所述T1W成像包括多个第一图像，...

【专利技术属性】
技术研发人员：彭芸，李焕杰，胡迪，樊鑫，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：