一种图像处理方法及装置与流程

技术特征：
1.一种图像处理方法，其特征在于，包括：获取待处理图像，其中，所述待处理图像包括抠图目标；通过金字塔特征提取网络对所述待处理图像进行处理，得到m个特征图像，其中，所述金字塔特征提取网络包括m个特征提取层，每个特征层的输入作为上一个特征层的输出，m为大于等于1的整数；通过第一目标分割网络对所述m个特征图像进行处理，得到第一图像，其中，所述第一图像包括第一前景区域、第一背景区域及待确认区域，所述第一前景区域对应于所述抠图目标所对应的区域，所述待确认区域为所述第一前景区域与所述第一背景区域的交叠区域；通过第二目标分割网络对所述m个特征图像进行处理，得到第二图像，其中，所述第二图像包括第二前景区域及第二背景区域，所述第二前景区域对应于所述抠图目标所对应的区域；根据所述第一图像及所述第二图像，生成目标抠图图像，其中，所述目标抠图图像包括所述抠图目标。2.如权利要求1所述的图像处理方法，其特征在于，所述第一目标分割网络包括m个残差通道注意力层及特征融合层；所述通过第一目标分割网络对所述m个特征图像进行处理，得到第一图像，包括：通过所述m个残差通道注意力层对所述m个特征图像进行处理，输出m个注意力矩阵；通过所述特征融合层对所述m个注意力矩阵中的k个注意力矩阵进行处理，得到第一矩阵，其中，k为小于m的整数；根据所述第一矩阵生成所述第一图像。3.如权利要求2所述的图像处理方法，其特征在于，每个所述特征图像对应于一个特征矩阵；所述通过所述m个残差通道注意力层对所述m个特征图像进行处理，输出m个注意力矩阵，包括：将第i个特征矩阵及第i-1个特征矩阵作为第i个所述残差通道注意力层的输入，通过所述第i个残差通道注意力层输出第i个注意力矩阵，其中，所述第i个特征矩阵对应于第i个特征图像，所述第i-1个特征矩阵对应于第i-1个特征图像，i为大于1且小于m的整数；将第j个特征矩阵作为第j个残差通道注意力层的输入，通过所述第j个残差通道注意力层输出第j个注意力矩阵，其中，所述第j个特征矩阵对应于第j个特征图像，j为1或m。4.如权利要求2所述的图像处理方法，其特征在于，所述第一目标分割网络还包括计数器，所述计数器用于统计所述残差通道注意力层对特征图像的处理次数t，t为大于等于1的整数；所述m个特征图像对应m个特征矩阵；所述通过所述m个残差通道注意力层对所述m个特征图像进行处理，输出m个注意力矩阵，包括：获取所述计数器统计的所述处理次数t；当所述处理次数小于第一阈值时，将第一特征矩阵作为第一残差通道注意力层的输入，通过所述第一残差通道注意力层输出第一注意力矩阵，其中，所述第一特征矩阵对应于第一特征图像，所述第一特征图像根
据所述金字塔特征提取网络中的第一特征提取层得到；将第二特征矩阵及所述第一注意力矩阵作为第二残差通道注意力层的输入，通过所述第二残差通道注意力层输出第二注意力矩阵，其中，所述第二特征矩阵对应于第二特征图像，所述第二特征图像根据所述金字塔特征提取网络中的第二特征提取层得到；将第三特征矩阵及所述第二注意力矩阵作为第三残差通道注意力层的输入，通过所述第三残差通道注意力层输出第三注意力矩阵，其中，所述第三特征矩阵对应于第三特征图像，所述第三特征图像根据所述金字塔特征提取网络中的第三特征提取层得到；将第四特征矩阵作为第四残差通道注意力层的输入，通过所述第四残差通道注意力层输出第四注意力矩阵，其中，所述第四特征矩阵对应于第四特征图像，所述第四特征图像根据所述金字塔特征提取网络中的第四特征提取层得到。5.如权利要求4所述的图像处理方法，其特征在于，所述获取所述计数器统计的所述处理次数t之后，还包括：当所述处理次数t大于等于第一阈值且小于第二阈值时，将所述第一特征矩阵及所述第三注意力矩阵，作为所述第一残差通道注意力层的输入，通过所述第一残差通道注意力层输出第五注意力矩阵；将所述第二特征矩阵及所述第五注意力矩阵，作为所述第二残差通道注意力层的输入，通过所述第二残差通道注意力层输出第六注意力矩阵；将所述第三特征矩阵、所述第三注意力矩阵及所述第六注意力矩阵，作为所述第三残差通道注意力层的输入，通过所述第三残差通道注意力层输出第七注意力矩阵。6.如权利要求5所述的图像处理方法，其特征在于，所述通过所述特征融合层对所述m个注意力矩阵中的k个注意力矩阵进行处理，得到第一矩阵，包括：当所述处理次数等于所述第二阈值时，通过所述特征融合层对所述第四注意力矩阵及所述第七注意力矩阵进行处理，得到第一矩阵。7.如权利要求6所述的图像处理方法，其特征在于，所述通过所述特征融合层对所述第四注意力矩阵及所述第七注意力矩阵进行处理，得到第一矩阵，包括：对所述第四注意力矩阵进行特征提取，得到第一特征向量；对所述第一特征向量进行特征值提取，得到第一特征值；通过激活函数，对所述第一特征向量进行处理，得到第一激活向量；对所述第七注意力矩阵进行特征提取，得到第二特征向量；对所述第二特征向量进行特征值提取，得到第二特征值；通过激活函数，对所述第二特征向量进行处理，得到第二激活向量；根据所述第四注意力矩阵、所述第一激活向量、所述第一特征值、所述第七注意力矩阵、所述第二激活向量及所述第二特征值，生成第一矩阵。8.如权利要求1所述的图像处理方法，其特征在于，所述第二目标分割网络包括m 1个卷积层；所述m个特征图像对应m个特征矩阵；所述通过第二目标分割网络对所述m个特征图像进行处理，得到第二图像，包括：将第一特征矩阵作为第一卷积层的输入，通过所述第一卷积层输出第一卷积矩阵，其中，所述第一特征矩阵对应于第一特征图像，所述第一特征图像根据所述金字塔特征提取网络中的第一特征提取层得到；
将第二特征矩阵及所述第一卷积矩阵作为第二卷积层的输入，通过所述第二卷积层输出第二卷积矩阵，其中，所述第二特征矩阵对应于第二特征图像，所述第二特征图像根据所述金字塔特征提取网络中的第二特征提取层得到；将第三特征矩阵及所述第二卷积矩阵作为第三卷积层的输入，通过所述第三卷积层输出第三卷积矩阵，其中，所述第三特征矩阵对应于第三特征图像，所述第三特征图像根据所述金字塔特征提取网络中的第三特征提取层得到；将第四特征矩阵及所述第三卷积矩阵作为第四卷积层的输入，通过所述第四卷积层输出第四卷积矩阵，其中，所述第四特征矩阵对应于第四特征图像，所述第四特征图像根据所述金字塔特征提取网络中的第四特征提取层得到；将第四卷积矩阵作为第五卷积层的输入，通过所述第五卷积层输出第五卷积矩阵；根据所述第五卷积矩阵生成所述第二图像。9.如权利要求1所述的图像处理方法，其特征在于，所述待处理图像的分辨率为r，其中，r为大于1的整数，所述通过金字塔特征提取网络对所述待处理图像进行处理，得到m个特征图像，包括：根据第四特征提取层对所述待处理图像进行处理，得到第四特征图像，其中，所述第四特征图像的分辨率为r/4；根据第三特征提取层对所述第四特征图像进行处理，得到第三特征图像，其中，所述第三特征图像的分辨率为r/8；根据第二特征提取层对所述第三特征图像进行处理，得到第二特征图像，其中，所述第二特征图像的分辨率为r/16；根据第一特征提取层对所述第二特征图像进行处理，得到第一特征图像，其中，所述第一特征图像的分辨率为r/32。10.如权利要求1所述的图像处理方法，其特征在于，所述根据所述第一图像及所述第二图像，生成目标抠图图像，包括：根据所述第一图像的像素点与所述第二图像的像素点的乘积，得到所述目标抠图图像。11.一种图像处理装置，其特征在于，包括：图像获取模块，用于获取待处理图像，其中，所述待处理图像包括抠图目标；特征提取模块，用于通过金字塔特征提取网络对所述待处理图像进行处理，得到m个特征图像，其中，所述金字塔特征提取网络包括m个特征提取层，每个特征层的输入作为上一个特征层的输出，m为大于等于1的整数；第一解码模块，用于通过第一目标分割网络对所述m个特征图像进行处理，得到第一图像，其中，所述第一图像包括第一前景区域、第一背景区域及待确认区域，所述第一前景区域对应于所述抠图目标所对应的区域，所述待确认区域为所述第一前景区域与所述第一背景区域的交叠区域；第二解码模块，用于通过第二目标分割网络对所述m个特征图像进行处理，得到第二图像，其中，所述第二图像包括第二前景区域及第二背景区域，所述第二前景区域对应于所述抠图目标所对应的区域；抠图图像生成模块，用于根据所述第一图像及所述第二图像，生成目标抠图图像，其
中，所述目标抠图图像包括所述抠图目标。12.一种计算机设备，其特征在于，包括：存储器、收发器、处理器以及总线系统；其中，所述存储器用于存储程序；所述处理器用于执行所述存储器中的程序，包括执行如权利要求1至10中任一项所述的图像处理方法；所述总线系统用于连接所述存储器以及所述处理器，以使所述存储器以及所述处理器进行通信。13.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1至10中任一项所述的图像处理方法。14.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行如权利要求1至10中任一项所述的图像处理方法。

技术总结
本申请提供了一种图像处理方法以及相关装置。本申请实施例可应用于人工智能、智慧交通、辅助驾驶等各种场景。其方法包括：首先，获取包括抠图目标待处理图像；接着，通过金字塔特征提取网络对待处理图像进行处理，得到M个特征图像；然后，通过第一目标分割网络对M个特征图像进行处理，得到第一图像；并且，通过第二目标分割网络对M个特征图像进行处理，得到第二图像；最后，根据第一图像及第二图像，生成包括抠图目标的目标抠图图像。本申请提供的方法通过两个不同的目标分割网络对待处理图像的M个特征图像进行目标分割，得到第一图像及第二图像，通过第一图像及第二图像生成目标抠图图像，提高了抠图结果的准确性及抠图结果的精细程度。程度。程度。


技术研发人员：胡晓彬 罗栋豪 邰颖 汪铖杰
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2022.10.18
技术公布日：2022/11/18