[发明专利]用于处理图像的方法和装置

权利要求书

1.一种用于处理图像的方法，包括：

获取待识别图像；

将所述待识别图像划分为至少两个子图像；

对于所述至少两个子图像中的每个子图像，对该子图像进行滤波处理，得到该子图像的纹理图像；将所得到的纹理图像输入至预先训练的目标检测模型，确定是否得到该子图像的纹理图像包括的第一目标图像的位置信息和类别信息，其中，所述目标检测模型用于表征图像与图像包括的目标图像的位置信息和类别信息的对应关系；响应于确定得到第一目标图像的位置信息和类别信息，输出所得到的第一目标图像的位置信息和类别信息；

对于所述至少两个子图像中的每个子图像，将该子图像与该子图像的纹理图像进行差分运算，得到该子图像的背景图像；将所得到的背景图像输入至所述目标检测模型，确定是否得到该子图像的背景图像包括的第二目标图像的位置信息和类别信息；响应于确定得到第二目标图像的位置信息和类别信息，输出所得到的第二目标图像的位置信息和类别信息。

2.根据权利要求1所述的方法，其中，所述目标检测模型通过如下步骤训练得到：

获取多个样本纹理图像，所述多个样本纹理图像中的每个样本纹理图像中的第一目标图像的标注位置信息和标注类别信息；

获取预设的第一卷积神经网络；

利用机器学习方法，将所述多个样本纹理图像中的每个样本纹理图像作为所述第一卷积神经网络的输入，将所述多个样本纹理图像中的每个样本纹理图像中的第一目标图像的标注位置信息和标注类别信息作为输出，训练得到目标检测模型。

3.根据权利要求1所述的方法，其中，所述对该子图像进行滤波处理，得到该子图像的纹理图像，包括：

提取该子图像的频谱信息；

基于所提取的频谱信息对该子图像进行滤波处理，得到该子图像的纹理图像。

4.根据权利要求1所述的方法，其中，所述目标检测模型通过如下步骤训练得到：

获取多个样本纹理图像，多个样本背景图像，所述多个样本纹理图像中的每个样本纹理图像中的第一目标图像的标注位置信息和标注类别信息，所述多个样本背景图像中的每个样本背景图像中的第二目标图像的标注位置信息和标注类别信息；

获取预设的第二卷积神经网络；

利用机器学习方法，将所述多个样本纹理图像中的每个样本纹理图像作为所述第二卷积神经网络的输入，将所述多个样本纹理图像中的每个样本纹理图像中的第一目标图像的标注位置信息和标注类别信息作为所述第二卷积神经网络的输出，以及将所述多个样本背景图像中的每个样本背景图像作为所述第二卷积神经网络的输入，将所述多个样本背景图像中的每个样本背景图像中的第二目标图像的标注位置信息和标注类别信息作为所述第二卷积神经网络的输出，训练得到目标检测模型。

5.根据权利要求1所述的方法，其中，所述将所述待识别图像划分为至少两个子图像，包括：

将所述待识别图像输入至预先训练的区域划分模型，得到至少一个用于指定所述待识别图像中的区域图像的区域信息，其中，所述区域划分模型用于表征待识别图像和区域信息的对应关系；

对于所得到的至少一个区域信息中的每个区域信息，根据该区域信息确定所述待识别图像中的区域图像；

对于所确定的各个区域图像中的每个区域图像，将该区域图像划分为至少两个子图像。

6.根据权利要求5所述的方法，其中，所述区域划分模型通过如下步骤训练得到：

获取多个样本图像和用于标注所述多个样本图像中的每个样本图像中的区域图像的标注区域信息；

获取预设的第三卷积神经网络；

利用机器学习方法，将所述多个样本图像中的每个样本图像作为所述第三卷积神经网络的输入，将所述多个样本图像中的每个样本图像对应的标注区域信息作为所述第三卷积神经网络的输出，训练得到区域划分模型。

7.根据权利要求1-6之一所述的方法，其中，所述方法还包括：

基于所述待识别图像，以及所输出的位置信息和类别信息，生成包括位置标记和类别标记的目标标记图像。