[发明专利]一种图像处理方法、装置、设备和存储介质

说明书

本申请提出一种图像处理方法、装置、设备和存储介质。上述方法包括，获取包含建筑物的目标图像。从上述目标图像中提取出上述建筑物的屋顶区域，以及，基于上述目标图像确定上述建筑物的屋顶与底座之间的预测偏移量。根据上述预测偏移量，对上述屋顶区域进行变换得到上述建筑物的底座区域。

技术领域

本申请涉及计算机技术领域，具体涉及一种图像处理方法、装置、设备和存储介质。

背景技术

目前，在图像处理领域中，通常需要将图像中的建筑物提取出来，用于进行诸如城市规划、地图绘制，建筑物变化检测等。而进行建筑物提取中重要任务之一为进行建筑物底座提取。

可是，由于目标图像通常为通过卫星或飞机拍摄的遥感图像，因此，图像中建筑物底座可能被部分遮挡，导致其视觉特征并不明显，从而影响建筑物底座的提取精度。

发明内容

有鉴于此，本申请至少公开一种图像处理方法，上述方法包括：获取包含建筑物的目标图像；从上述目标图像中提取出上述建筑物的屋顶区域，以及，基于上述目标图像确定上述建筑物的屋顶与底座之间的预测偏移量；根据上述预测偏移量，对上述屋顶区域进行变换得到上述建筑物的底座区域。

在示出的一些例子中，上述方法还包括：

利用建筑物边界框预测子模型对上述目标图像进行目标检测，得到上述建筑物的边界框；上述从上述目标图像中提取出建筑物的屋顶区域，包括：基于上述边界框、上述目标图像以及屋顶区域预测子模型，确定上述边界框内包括的建筑物的屋顶区域；上述基于上述目标图像确定上述建筑物的屋顶与底座之间的预测偏移量，包括：基于上述边界框、上述目标图像以及偏移量预测子模型，确定上述边界框内包括的建筑物的屋顶与底座之间的预测偏移量。

在示出的一些例子中，上述屋顶区域预测子模型与上述偏移量预测子模型共用同一区域特征提取单元；上述方法还包括：基于上述边界框，上述目标图像以及上述区域特征提取单元，确定上述边界框内包括的建筑物对应的建筑物特征；上述基于上述边界框、上述目标图像以及屋顶区域预测子模型，确定上述边界框内包括的建筑物的屋顶区域，包括：利用屋顶区域预测子模型包括的第一卷积处理单元对上述建筑物特征进行第一卷积处理，得到上述建筑物的屋顶区域；上述基于上述边界框、上述目标图像以及偏移量预测子模型，确定上述边界框内包括的建筑物的屋顶与底座之间的预测偏移量，包括：利用上述偏移量预测子模型包括的第二卷积处理单元对上述建筑物特征进行第二卷积处理，得到上述边界框内包括的建筑物的屋顶与底座之间的预测偏移量。

在示出的一些例子中，上述根据上述预测偏移量，对上述屋顶区域进行变换，得到上述建筑物对应的底座区域，包括：基于上述预测偏移量，上述建筑物对应的建筑物特征以及底座区域预测子模型，确定上述建筑物对应的底座区域。

在示出的一些例子中，上述基于上述预测偏移量，上述建筑物对应的建筑物特征以及上述底座区域预测子模型，确定上述建筑物对应的底座区域，包括：利用上述底座区域预测子模型包括的空间变换网络，对上述屋顶区域对应的建筑物特征进行平移变换，得到上述建筑物对应的底座特征；其中，上述空间变换网络对应的空间变换参数包括基于上述预测偏移量确定的参数；利用上述底座区域预测子模型对上述底座特征进行第三卷积处理，得到上述建筑物对应的底座区域。

在示出的一些例子中，上述空间变换网络包括基于插值方式构建的采样器；其中，上述采样器包括基于上述预测偏移量构建的采样网格；上述利用上述底座区域预测子模型包括的空间变换网络，对上述屋顶区域对应的建筑物特征进行平移变换，得到上述建筑物对应的底座特征，包括：利用上述采样器，按照底座特征各像素点的坐标信息，依次将底座特征对应的各像素点作为当前像素点，通过上述采样网格确定所述屋顶区域包括的各像素点中，与上述当前像素点对应的像素点，并基于插值方式对确定的像素点进行平移变换，得到上述当前像素点对应的像素值。