[发明专利]用于处理图像的方法和装置

说明书

本申请实施例公开了用于处理图像的方法和装置。该方法的一具体实施方式包括：获取待识别图像；将待识别图像划分为至少两个子图像；对于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，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。该实施方式提高了对待识别图像进行识别的准确性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于处理图像的方法和装置。

背景技术

计算机视觉技术是一门研究如何使机器“看”的技术。计算机视觉技术利用摄影机和电脑代替人眼对目标进行识别、跟踪、测量等，再进一步做图形处理，使目标图像被处理成为更适合人眼观察或传送给仪器检测的图像。

计算机视觉技术可以应用于人脸识别、物体识别、工业品检测等多种领域。例如，在轮胎制造行业，可以通过采集轮胎的X光图像，并对采集的X光图像进行分析，以判断轮胎是否具有缺陷。

发明内容

本申请实施例提出了用于处理图像的方法和装置。

第一方面，本申请实施例提供了一种用于处理图像的方法，该方法包括：获取待识别图像；将待识别图像划分为至少两个子图像；对于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，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。

在一些实施例中，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，将多个样本纹理图像中的每个样本纹理图像作为第一卷积神经网络的输入，将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。

在一些实施例中，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。

在一些实施例中，用于处理图像的方法还包括：对于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。

在一些实施例中，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，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，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，将多个样本纹理图像中的每个样本纹理图像作为第二卷积神经网络的输入，将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第二卷积神经网络的输出，以及将多个样本背景图像中的每个样本背景图像作为第二卷积神经网络的输入，将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第二卷积神经网络的输出，训练得到目标检测模型。