[发明专利]一种天空区域分割方法、装置和卷积神经网络

说明书

本发明提供了一种天空区域分割方法、装置和卷积神经网络，涉及图像处理技术领域。该方法包括：图像输入层获取原始图像；第一卷积神经网络从原始图像中提取不同尺度的多个天空特征图像；级联的多个第二卷积神经网络对多个天空特征图像进行处理，输出目标特征图像；上采样层对目标特征图像进行上采样，获得上采样特征图像；天空区域确定层将上采样特征图像中灰度值大于等于预设灰度值的像素区域确定为天空区域。在本发明中，通过级联的多个第二卷积神经网络，能够从不同尺度的图像中，多层次提取天空语义特征，从而输出的目标特征图像中可包括各个尺度的天空特征，尤其有利于准确确定浓雾暗夜场景下的天空边界，从而对天空区域进行准确分割。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种天空区域分割方法、装置和卷积神经网络。

背景技术

图像分割技术是图像处理领域中一个非常重要的研究方向，其中，天空区域分割方法，是图像分割中的一个特定应用场景，其目的是准确识别天空区域，并将其与其他目标进行区分。目前，天空分割方法在无人机视觉，气象监测，娱乐软件等方面均有应用。

目前的天空区域分割方法主要是基于梯度统计技术进行天空区域的分割。例如梯度阈值结合亮度阈值的天空区域分割方法，可以分割白天场景下的天空区域，再例如梯度统计结合能量函数优化的天空区域分割方法，可以分割有云彩的场景下的天空区域，而上述天空区域分割方法在浓雾和暗夜等天空边界不清晰的场景下，分割天空区域的准确率较低，因而上述天空区域分割方法不适用于浓雾和暗夜场景下的天空区域分割。

发明内容

本发明提供一种天空区域分割方法、装置和卷积神经网络，以解决现有的天空区域分割方法对于浓雾和暗夜等天空特征不明显的场景无法适用的问题。

为了解决上述问题，本发明公开了一种基于卷积神经网络的天空区域分割方法，所述卷积神经网络包括图像输入层、第一卷积神经网络、级联的多个第二卷积神经网络、上采样层和天空区域确定层，所述方法包括：

所述图像输入层获取原始图像；

所述第一卷积神经网络从所述原始图像中提取不同尺度的多个天空特征图像；每个所述天空特征图像的尺度均小于所述原始图像的尺度；

所述级联的多个第二卷积神经网络对所述多个天空特征图像进行处理，输出目标特征图像；所述目标特征图像的尺度与所述多个天空特征图像中的最大尺度相同；

所述上采样层对所述目标特征图像进行上采样，获得与所述原始图像尺度相同的上采样特征图像；

所述天空区域确定层将所述上采样特征图像中灰度值大于或等于预设灰度值的像素区域确定为天空区域。

可选地，所述多个天空特征图像包括第一天空特征图像、第二天空特征图像、第三天空特征图像和第四天空特征图像，所述第一天空特征图像的尺度为所述第二天空特征图像尺度的1/2，所述第二天空特征图像的尺度为所述第三天空特征图像尺度的1/2，所述第三天空特征图像的尺度为所述第四天空特征图像尺度的1/2；所述级联的多个第二卷积神经网络包含三级第二卷积神经网络；

所述级联的多个第二卷积神经网络对所述多个天空特征图像进行处理，输出目标特征图像，包括：

所述第一级第二卷积神经网络对所述第一天空特征图像和所述第二天空特征图像进行特征处理，获得与所述第二天空特征图像尺度相同的第一中间目标特征图像；

所述第二级第二卷积神经网络对所述第一中间目标特征图像和所述第三天空特征图像进行特征处理，获得与所述第三天空特征图像尺度相同的第二中间目标特征图像；

所述第三级第二卷积神经网络对所述第二中间目标特征图像和所述第四天空特征图像进行特征处理，获得与所述第四天空特征图像尺度相同的目标特征图像。