[发明专利]图像处理方法及相关设备

权利要求书

1.一种图像处理方法，其特征在于，包括：

在第一图像的周围填充K/2圈零，以得到第二图像，其中，所述第一图像的尺寸为滑窗窗口的尺寸的整数倍，所述K为滑窗步长；

根据所述滑窗窗口和所述滑窗步长对所述第二图像进行图像切割，以得到多个图像块；

采用第一神经网络模型对所述多个图像块进行处理，以得到多个子图像块中每个子图像块的处理结果，其中，所述多个图像块与所述多个子图像块一一对应，所述子图像块为所述图像块中以所述图像块的中心为中心、尺寸为K×K的区域图像；

根据所述多个子图像块中的全部或部分子图像块的处理结果得到所述第一图像的处理结果。

2.根据权利要求1所述的方法，其特征在于，所述采用第一神经网络模型对所述多个图像块进行处理，以得到多个子图像块中每个子图像块的处理结果，包括：

采用第一神经网络模型对所述多个图像块进行处理，以得到所述多个图像块中每个图像块的处理结果；

对所述多个图像块中每个图像块的处理结果进行图像截取，以得到所述多个子图像块中每个子图像块的处理结果。

3.根据权利要求2所述的方法，其特征在于，所述采用第一神经网络模型对所述多个图像块进行处理，以得到所述多个图像块中每个图像块的处理结果，包括：

针对所述多个图像块中每个图像块，执行以下步骤，以得到所述多个图像块中每个图像块的处理结果：

采用深度卷积神经网络模型对目标图像块进行特征提取，以得到所述目标图像块的第一特征图，其中，所述目标图像块为所述多个图像块中的任意一个图像块；

根据所述第一特征图和第一卷积核进行卷积运算，以得到第一目标特征图，其中，所述第一卷积核的大小为1×1；

根据所述第一特征图和第二卷积核进行扩张卷积运算，以得到第二目标特征图，其中，所述第二卷积核的大小为n×n，所述第二卷积核的扩张率为第一预设值，所述n为大于1的整数；

根据所述第一特征图和第三卷积核进行扩张卷积运算，以得到第三目标特征图，其中，所述第三卷积核的大小为n×n，所述第三卷积核的扩张率为第二预设值；

根据所述第一特征图和第四卷积核进行扩张卷积运算，以得到第四目标特征图，其中，所述第四卷积核的大小为n×n，所述第四卷积核的扩张率为第三预设值；

对所述第一特征图进行池化运算，以得到第五目标特征图；其中，所述第一目标特征图、所述第二目标特征图、所述第三目标特征图、所述第四目标特征图和所述第五目标特征图的尺寸相同；

对所述第一目标特征图、所述第二目标特征图、所述第三目标特征图、所述第四目标特征图和所述第五目标特征图进行融合，以得到第二特征图；

根据所述第二特征图和第五卷积核进行卷积运算，以得到第三特征图，其中，所述第五卷积核的大小为1×1；

对所述第三特征图进行上采样处理，以得到第四特征图；

根据所述第一特征图和第六卷积核进行卷积运算，以得到第五特征图，其中，所述第六卷积核的大小为1×1，所述第四特征图和所述第五特征图的尺寸相同；

对所述第四特征图和所述第五特征图进行融合，以得到第六特征图；

根据所述第六特征图和第七卷积核进行卷积运算，以得到第七特征图，其中，所述第七卷积核的大小为n×n；

对所述第七特征图进行上采样处理，以得到所述目标图像块的处理结果。

4.根据权利要求1所述的方法，其特征在于，所述子图像块的处理结果为所述子图像块对应的目标物体分布图，所述第一图像的处理结果为所述第一图像对应的目标物体分布图；所述根据所述多个子图像块中全部或部分子图像块的处理结果得到所述第一图像的处理结果，包括：

对所述多个子图像块中每个子图像块对应的目标物体分布图进行处理，以得到处理后的所述多个子图像块中全部或部分子图像块对应的目标物体分布图，其中，所述处理包括孔洞填充和小连通域去除，所述孔洞指所述子图像块中同一目标物体的分布区域包围的无目标物体区域，所述小连通域指所述子图像块中目标物体的零散分布区域；

根据处理后的所述多个子图像块中全部或部分子图像块对应的目标物体分布图得到所述第一图像对应的目标物体分布图。