[发明专利]图像处理方法及装置、电子设备和存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

对待处理图像进行特征提取，得到中间处理图像；

对所述中间处理图像进行分割处理，得到第一分割结果；

根据所述第一分割结果的结构信息，对所述第一分割结果进行结构重构，得到所述待处理图像中目标对象的最终分割结果，其中，所述结构信息包括：所述目标对象的分支信息和端点信息；

所述根据所述第一分割结果的结构信息，对所述第一分割结果进行结构重构，得到所述待处理图像中目标对象的最终分割结果，包括：

对所述第一分割结果进行中心提取，得到中心区域图像和距离场数值集合，其中，所述距离场数值集合为所述中心区域图像上的所有体素点与所述第一分割结果内目标对象的边界之间的距离场数值的集合；

根据所述中心区域图像，生成所述目标对象的第一拓扑结构图；

对所述第一拓扑结构图进行连通处理，得到第二拓扑结构图；

根据所述距离场数值集合，对所述第二拓扑结构图进行结构重构，得到所述待处理图像中目标对象的最终分割结果。

2.根据权利要求1所述的方法，其特征在于，所述对待处理图像进行特征提取，得到中间处理图像，包括：

按照预定方向，对所述待处理图像进行切割，得到多个待处理子图像；

对每个所述待处理子图像进行特征提取，得到与每个待处理子图像分别对应的中间处理子图像；

根据所述预定方向，将所有所述中间处理子图像进行拼接，得到中间处理图像。

3.根据权利要求2所述的方法，其特征在于，所述按照预定方向，对所述待处理图像进行切割，得到多个待处理子图像，包括：

在所述待处理图像上确定多个切割中心；

按照预定方向，根据所述切割中心的位置，对所述待处理图像进行切割，得到多个待处理子图像，其中，每个切割中心分别位于对应的待处理子图像的中心，相邻的待处理子图像之间存在重叠区域。

4.根据权利要求2或3所述的方法，其特征在于，所述按照预定方向，所述对所述待处理图像进行切割，得到多个待处理子图像之前，还包括：

对所述待处理图像在除所述预定方向以外的方向，根据预定参数进行缩放处理。

5.根据权利要求1-3中任意一项所述的方法，其特征在于，所述对待处理图像进行特征提取，得到中间处理图像之前，还包括：

获取训练样本数据集；

根据所述训练样本数据集，训练用于进行特征提取的神经网络。

6.根据权利要求5所述的方法，其特征在于，所述获取训练样本数据集包括：

对原始数据进行修正，得到修正标注数据；

根据所述修正标注数据得到训练样本数据集。

7.根据权利要求5所述的方法，其特征在于，所述根据所述训练样本数据集，训练用于进行特征提取的神经网络，包括：

根据所述训练样本数据集，结合预设的权重系数，分别得到所述神经网络的全局损失和假阳惩罚损失；

根据所述全局损失和所述假阳惩罚损失，确定所述神经网络的损失函数；

根据所述损失函数反向传播来训练所述神经网络。

8.根据权利要求1至3中任意一项所述的方法，其特征在于，所述对所述中间处理图像进行分割处理，得到第一分割结果，包括：

通过Grow Cut对所述中间处理图像进行分割处理，得到第一分割结果，其中，所述GrowCut通过深度学习框架在图形处理器中实现。

9.根据权利要求1所述的方法，其特征在于，所述对所述第一拓扑结构图进行连通处理，得到第二拓扑结构图，包括：

提取所述第一拓扑结构图中所述目标对象对应的连通区域；

移除所述第一拓扑结构图中与所述连通区域的连通值低于连通阈值的体素点，得到第二拓扑结构图。