[发明专利]带顶点图像的分割模型训练方法及带顶点图像的分割方法

说明书

本申请涉及图像分割技术，公开了一种带顶点图像的分割模型训练方法和带顶点图像的分割方法。该分割模型训练方法包括：获取训练样本集，其中训练样本集具有真值掩膜；将训练样本集输入粗分割模型得到每个图像的粗分割结果掩膜，粗分割结果掩膜中包括对应的粗分割结果；在训练样本集的真值掩膜上提取图像的顶点，为每个顶点分配一个邻域范围，将真值掩膜上每个顶点及相应的邻域范围映射到对应的粗分割结果掩膜中，计算位于映射的邻域范围内的粗分割结果与映射的顶点的最小距离，对每个图像的所有邻域范围的最小距离累加求和作为顶点距离损失参数；以及根据顶点距离损失参数作为约束条件迭代优化粗分割模型以得到细分割模型。

技术领域

本申请涉及图像分割技术，特别涉及带顶点图像的分割模型训练和带顶点图像的分割技术。

背景技术

基于栅格图的高精度地图制作，一般要经过地图采集、地图要素矢量化、地图数据生产等步骤。其中，地图要素矢量化步骤至关重要。

目前的图像分割方法，主要包括人工矢量化的方法、传统图像处理提取目标边界的方法和现有基于深度学习图像分割技术提取目标边界的方法。首先，对于采用人工矢量法的方法，效率低且易出错，极大地增加人力成本。其次，对于采用传统图像处理提取目标边界的方法，因为该方法对成像质量要求高、对复杂环境适应能力较差，而高精度地图采集过程中，获取的图像(栅格图)质量普遍较低，实际场景大多较为复杂，使得采用该方法提取目标边界效果不稳定、边界提取结果的准确性也普遍较低。再次，对于采用现有基于深度学习图像分割技术提取目标边界的方法，虽然性能比较稳定，但是提取结果中的目标边界普遍较粗糙、与目标的真实边界有较大的差异。

然而，对于方向箭头、菱形减速标志、三角形减速标志等带顶点的地图要素，由于其数量多、种类多、顶点多、部分箭头存在曲线边缘等原因，上述各方法都无法满足其高效的精细分割要求。

因此，方向箭头、菱形减速标志、三角形减速标志等带顶点的地图要素迫切需要实现高精度的自动矢量化。

发明内容

本申请的目的在于提供一种带顶点图像的分割模型训练方法及带顶点图像的分割方法，能够实现带顶点图像的自动分割，且分割结果的质量佳、精度高。

本申请公开了一种带顶点图像的分割模型训练方法，包括：

获取训练样本集，其中训练样本集具有真值掩膜，所述训练样本集的每个图像具有至少一个顶点；

将所述训练样本集输入粗分割模型得到每个图像的粗分割结果掩膜，所述粗分割结果掩膜中包括对应的粗分割结果；

在所述训练样本集的所述真值掩膜上提取图像的顶点，为每个顶点分配一个邻域范围，将所述真值掩膜上每个顶点及相应的邻域范围映射到对应的粗分割结果掩膜中，计算位于该映射的邻域范围内的粗分割结果与该映射的顶点的最小距离，对每个图像的所有邻域范围的所述最小距离累加求和作为顶点距离损失参数；

根据所述顶点距离损失参数作为约束条件迭代优化所述粗分割模型以得到细分割模型。

在一个优选例中，还包括：

如果某个所述邻域范围内无粗分割结果，放大所述邻域范围以包含至少部分的粗分割结果。

在一个优选例中，所述每个顶点的所述邻域范围的大小相同。

在一个优选例中，还包括：

根据所述每个图像的粗分割结果掩膜和真值掩膜提取对应的粗分割结果外轮廓和真值外轮廓；

根据所述粗分割结果外轮廓和真值外轮廓计算两个外轮廓之间的形状相似性；

根据所有图像的所述外轮廓之间的形状相似性获取几何损失参数；

所述根据所述顶点距离损失参数作为约束条件迭代优化所述粗分割模型以得到细分割模型，进一步包括：