[发明专利]图像处理方法、装置和电子设备

权利要求书

1.一种图像处理方法，其特征在于，包括：

将待测图像分割为多个超像素区域；

根据所述超像素区域的语义特征，获取所述语义特征对应的语义标签；

将所述语义标签嵌入所述超像素区域，生成显著性区域；

提取所述显著性区域的深度特征，生成所述待测图像的图像核；

利用向量分类器处理所述图像核，对所述待测图像进行场景分类。

2.根据权利要求1所述的方法，其特征在于，在所述将待测图像分割为多个超像素区域之后，还包括：

去除尺寸小于预设值或超像素分数低于阈值的所述超像素区域。

3.根据权利要求1所述的方法，其特征在于，所述将所述语义标签嵌入所述超像素区域，生成显著性区域，包括：

将所述语义标签利用流形学习算法嵌入所述超像素区域；

根据所述语义标签，从所述超像素区域的原始矩阵中获取基矩阵和稀疏矩阵；

根据所述基矩阵，从所述超像素区域中对应获取所述显著性区域；

其中，所述基矩阵表示带有语义标签的特征矩阵，所述稀疏矩阵表示不带有标签的特征矩阵。

4.根据权利要求3所述的方法，其特征在于，在所述将所述语义标签嵌入所述超像素区域，生成显著性区域之后，还包括：

根据所述显著性区域的稀疏编码范数，计算所述显著性区域的显著性分数；

根据所述显著性分数，将所述显著性区域排序，生成广义序列模式集。

5.根据权利要求4所述的方法，其特征在于，所述提取所述显著性区域的深度特征，生成所述待测图像的图像核，包括：

根据神经网络架构获取所述广义序列模式集对应所述显著性区域的深度特征；

获取所述深度特征的特征向量；

根据所述特征向量之间的欧几里得距离，从所述显著性区域中获取所述图像核。

6.根据权利要求5所述的方法，其特征在于，所述利用向量分类器处理所述图像核，对所述待测图像进行场景分类，包括：

基于所述图像核，训练一个多类别支持向量机分类器；

利用所述支持向量机分类器，将所述待测图像根据所述待测图像的特征向量对应至不同的场景类别。

7.一种图像处理装置，其特征在于，包括：

图像分割模块，用于将待测图像分割为多个超像素区域；

标签获取模块，用于根据所述超像素区域的语义特征，获取所述语义特征对应的语义标签；

标签嵌入模块，用于将所述语义标签嵌入所述超像素区域，生成显著性区域；

特征提取模块，用于提取所述显著性区域的深度特征，生成所述待测图像的图像核；

场景分类模块，用于利用向量分类器处理所述图像核，对所述待测图像进行场景分类。

8.根据权利要求7所述的装置，其特征在于，所述标签嵌入模块用于：

将所述语义标签利用流形学习算法嵌入所述超像素区域；

根据所述语义标签，从所述超像素区域的原始矩阵中获取基矩阵和稀疏矩阵；

根据所述基矩阵，从所述超像素区域中对应获取所述显著性区域；

其中，所述基矩阵表示带有语义标签的特征矩阵，所述稀疏矩阵表示不带有标签的特征矩阵。

9.根据权利要求7所述的装置，其特征在于，所述特征提取模块用于：

根据神经网络架构获取广义序列模式集对应所述显著性区域的深度特征；

获取所述深度特征的特征向量；

根据所述特征向量之间的欧几里得距离，从所述显著性区域中获取所述图像核。

10.一种电子设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行如上述权利要求1至6任一项所述方法。