CN114299073A - 图像分割方法、装置、存储介质以及计算机程序 - Google Patents

Abstract

本发明公开了一种图像分割方法、装置、存储介质以及计算机程序。其中，该方法包括：将待处理图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块；通过图像分割网络对待处理图像进行处理，得到待处理图像的语义分割结果，其中，语义分割结果中包含全局特征信息和局部特征信息。本发明解决了相关技术中在图像分割任务中难以同时获取图像的全局特征信息和局部特征信息的技术问题。

Description

图像分割方法、装置、存储介质以及计算机程序

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种图像分割方法、装置、存储介质以及计算机程序。

背景技术

在遥感分割任务中，需要提取图像的特征信息并进行对象分割，但是，相关技术中的图像分割网络通常是降低图像分辨率的网络结构，难以较好地实现遥感分割任务。

为了解决上述问题，相关技术中出现了可以得到较高分辨率的特征的图像分割网络，但是，仅能获取局部的信息，无法聚焦图像中的重点物体并获取全局信息。因而，在遥感分割任务中，如何减少重点物体的细节信息丢失，同时保留全局信息是亟待解决的问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图像分割方法、装置、存储介质以及计算机程序，以至少解决相关技术中在图像分割任务中难以同时获取图像的全局特征信息和局部特征信息的技术问题。

根据本发明实施例的一个方面，提供了一种图像分割方法，包括：将待处理图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块；通过图像分割网络对待处理图像进行处理，得到待处理图像的语义分割结果，其中，语义分割结果中包含全局特征信息和局部特征信息。

根据本发明实施例的另一方面，还提供了一种图像分割方法，包括：将遥感图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块；通过图像分割网络对遥感图像进行处理，得到遥感图像的语义分割结果，其中，语义分割结果中包含各个地物的全局特征信息和局部特征信息。

根据本发明实施例的另一方面，还提供了一种图像分割方法，包括：将建筑物图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块；通过图像分割网络对建筑物图像进行处理，得到建筑物图像的语义分割结果，其中，语义分割结果中包含各个建筑物的全局特征信息和每个建筑物的局部特征信息。

根据本发明实施例的另一方面，还提供了一种图像处理装置，包括：输入单元，用于将待处理图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块；处理单元，用于通过图像分割网络对待处理图像进行处理，得到待处理图像的语义分割结果，其中，语义分割结果中包含全局特征信息和局部特征信息。

根据本发明实施例的另一方面，还提供了一种存储介质，其中，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述任意一项的图像分割方法。

根据本发明实施例的另一方面，还提供了一种计算机程序，其中，计算机程序执行时上述任意一项的图像分割方法。

在本发明实施例中，将待处理图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块；通过图像分割网络对待处理图像进行处理，得到待处理图像的语义分割结果，其中，语义分割结果中包含全局特征信息和局部特征信息。通过全局特征提取模块和局部特征提取模块的提取待处理图像的特征，并通过特征融合模块对提取到的特征进行融合，达到了图像分割网络输出的语义分割结果中包含全局特征信息和局部特征信息的目的，从而实现了同时获取图像的全局特征信息和局部特征信息的技术效果，进而解决了相关技术中在图像分割任务中难以同时获取图像的全局特征信息和局部特征信息的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的计算机终端的硬件结构框图；

图2是根据本发明实施例一提供的图像分割方法的流程图；

图3是根据本发明实施例一提供的可选的图像分割方法的示意图；

图4是根据本发明实施例二提供的图像分割方法的流程图；

图5是根据本发明实施例三提供的图像分割方法的流程图；

图6是根据本发明实施例四提供的图像分割装置的示意图；

图7是根据本发明实施例五提供的图像分割装置的示意图；

图8是根据本发明实施例六提供的图像分割装置的示意图；

图9是根据本发明实施例的可选的计算机终端的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种图像分割方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现图像分割方法的计算机终端(或移动设备) 的硬件结构框图。如图1所示，计算机终端101(或移动设备10)可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器 104、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端101还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端101(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。

存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的() 方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的() 方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104 可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端101。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端101的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端101(或移动设备)的用户界面进行交互。

在上述运行环境下，本申请提供了如图2所示的图像分割方法。图2是根据本发明实施例一的图像分割方法的流程图。

S21，将待处理图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块。

具体地，待处理图像可以为遥感分割任务中的地图，例如，农林业地图，城市地貌地图。

全局特征提取模块采用的结构可以为神经网络，通过神经网络可以获取图像的局部特征，局部特征提取模块采用的结构为全注意力网络，通过全注意力网络可以获取图像的全局特征并聚焦图像中重要物体，特征融合模块采用的结构可以为交叉网络，可以对特征进行交叉组合。

S22，通过图像分割网络对待处理图像进行处理，得到待处理图像的语义分割结果，其中，语义分割结果中包含全局特征信息和局部特征信息。

具体地，图像分割网络为预训练的模型，全局特征提取模块、局部特征提取模块以及特征融合模块的模型参数已经确定，将待处理图像输入图像分割网络，即可得到语义分割结果。

在一种可选的实施方式中，通过图像分割网络对待处理图像进行处理，得到待处理图像的语义分割结果包括：通过全局特征提取模块对待处理图像进行处理，得到待处理图像的全局特征信息；通过局部特征提取模块对待处理图像进行处理，得到待处理图像的局部特征信息；通过特征融合模块对全局特征信息和局部特征信息进行融合，得到待处理图像的语义分割结果。

具体地，可以将待处理图像处理为不同分辨率的图像，通过全局特征提取模块对低分辨率的待处理图像进行处理，高效提取待处理图像的全局特征信息，通过局部特征提取模块对高分辨率的待处理图像进行处理，从而提取待处理图像的局部特征信息。

例如，在待处理图像为地图的情况下，通过局部特征提取模块可以从地图中识别小型建筑、交通工具等重要物体的细节特征信息，通过全局特征提取模块可以获取到大片的森林、湖泊、草坪等全局特征信息。

进一步的，特征融合模块将待处理图像的全局特征信息和局部特征进行交叉组合，得到的语义分割结果中既包含全局特征信息又包含局部特征信息。

在本发明实施例中，将待处理图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块；通过图像分割网络对待处理图像进行处理，得到待处理图像的语义分割结果，其中，语义分割结果中包含全局特征信息和局部特征信息。通过全局特征提取模块和局部特征提取模块的提取待处理图像的特征，并通过特征融合模块对提取到的特征进行融合，达到了图像分割网络输出的语义分割结果中包含全局特征信息和局部特征信息的目的，从而实现了同时获取图像的全局特征信息和局部特征信息的技术效果，进而解决了相关技术中在图像分割任务中难以同时获取图像的全局特征信息和局部特征信息的技术问题。

在一种可选的实施方式中，在将待处理图像输入图像分割网络之前，该方法还包括：构建图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块合模块。

具体地，全局特征提取模块和局部特征提取模块为并联的特征提取模块，分别对待处理图像进行特征提取，再通过特征融合模块进行特征融合。

其中，全局特征提取模块采用的结构可以为神经网络，例如，神经网络为卷积神经网络或循环神经网络，卷积神经网络或循环神经网络均可以用于提取待处理图像的局部信息，从而避免细节信息的丢失。

其中，局部特征提取模块采用的结构可以为全注意力网络(transformer)，全注意力网络包括依次连接的自注意力网络(Self-Attention)和前馈神经网络 (feedforwardneural network)，自注意力网络通过自注意力机制聚焦待处理图像中的重要对象，具体地，可以为高效自注意力网络(Efficient-Self-Attention)，从而更高效地聚焦重要对象。前馈神经网络的分类能力和模式识别能力优于反馈神经网络，提高提取特征的性能，具体地，可以在前馈神经网络加入N×N的卷积层以及多层感知器，从而提高特征识别率和分类速度。此外，全注意力网络中还可以包括用于实现特征图尺寸递减的操作的组件，以减少特征图的尺寸而增加特征图的通道数。

其中，特征融合模块可以为交叉网络，通过交叉网络对输入的特征进行交叉组合，实现特征融合，例如，交叉网络可以为深度交叉网络。

在一种可选的实施方式中，全局特征提取模块中包括多个串联的全局特征提取组件，局部特征提取模块中包括多个串联的局部特征提取组件，每个全局特征提取模块的最后一个组件和每个局部特征提取模块的最后一个组件的输出特征共同作为特征融合模块的输入特征。

具体地，全局特征提取模块和局部特征提取模块均可以为1个或多个，每个特征提取模块可以提取待处理图像的一种分辨率的特征，每个特征提取模块并联，特征提取模块内部包括多个特征提取组件，特征提取模块内部的多个特征提取组件串联。

例如，图3是根据本发明实施例一提供的可选的图像分割方法的示意图，如图3 所示，图像分割网络可以包括4个特征提取模块，其中，第一个特征提取模块和第二个特征提取模块均为局部特征提取组件，第三个特征提取模块和第四个特征提取模块均为全局特征提取组件，第一个特征提取模块所提取的特征的分辨率与原始图像的分辨率相同，第二个特征提取模块所提取的特征的分辨率为原始图像的四分之一，第三个特征提取模块所提取的特征的分辨率为原始图像的八分之一，第四个特征提取模块所提取的特征的分辨率为原始图像的三十二分之一，从而得到待处理图像的各种分辨率的特征。

进一步的，将待处理图像的各种分辨率的特征输入特征融合组件，特征融合组件可以为深度交叉网络，深度交叉网络可以对各种分辨率的特征进行交叉组合，并输出处理后的图像，处理后的图像中包含待处理图像的各个分辨率的融合特征。

需要说明的是，为了在提取特征的过程中对特征进行融合，每个特征提取组件的输出特征除了作为本模块的下一特征提取组件的输入，还可以作为其他模块的特征提取组件的输入。

在一种可选的实施方式中，第一个特征提取模块中首个特征提取组件的输入为待处理图像，其他特征提取模块中首个特征提取组件的输入包括待处理图像以及前一个特征提取模块的一个特征提取组件的输出特征。同时，不同特征提取模块的首个特征提取组件之外的特征提取组件之间存在交叉关系，具体地，一个特征提取模块中的目标特征提取组件的输出特征除了作为本模块中的下一特征提取组件的输入特征，还作为其他模块的下一特征提取组件的输入特征，其中，目标特征提取组件的位置可以在特征提取模块中灵活设置。

例如，如图3所示，图像分割网络可以包括4个特征提取模块，第一个特征提取模块中首个特征提取组件的输入为待处理图像，其他特征提取模块的输入至少包括前一特征提取组件的输出特征；第二个特征提取模块中首个特征提取组件的输入包括待处理图像和第一个特征提取模块的第5个特征提取组件的输出特征，其他特征提取组件的输入至少包括前一特征提取组件的输出特征；第三个特征提取模块中首个特征提取组件的输入包括待处理图像和第二个特征提取模块的第5个特征提取组件的输出特征，其他特征提取组件的输入至少包括前一特征提取组件的输出特征；第四个特征提取模块中首个特征提取组件的输入包括待处理图像和第三个特征提取模块的第5个特征提取组件的输出特征，其他特征提取组件的输入至少包括前一特征提取组件的输出特征。

通过本实施例，可以使得每个特征提取模块特征既能够从原始待处理图像中提取特征信息，还能够从其他特征提取模块提取到的特征中进一步进行特征提取，在不丢失细节信息的情况下，提高特征获取的效率。

为了直观的获知待处理图像的分割情况，在一种可选的实施方式中，在通过图像分割网络对待处理图像进行处理，得到待处理图像的语义分割结果之后，该方法还包括：展示待处理图像的语义分割结果，并标注全局特征对应的全局图像区域以及局部特征对应的局部图像区域。

具体地，待处理图像的语义分割结果即为高维度特征的分类情况，可以将高维度特征的分类情况转换为可视化的语义分割结果，并在可视化的语义分割结果中标注全局特征对应的全局图像区域以及局部特征对应的局部图像区域，使得用户可以直观的获知待处理图像的分割情况。

用户还可以对语义分割结果进行调整，在一种可选的实施方式中，在展示待处理图像的语义分割结果，并标注全局特征对应的全局图像区域以及局部特征对应的局部图像区域之后，该方法还包括：获取对全局图像区域和/或局部图像区域的调整信息；根据调整信息对全局图像区域和/或局部图像区域进行调整，得到更新后的语义分割结果。

具体地，存在图像分割网络的语义分割结果不满足用户需求的情况，将语义分割结果转换为可视化的语义分割结果后，用户可以对标注出的全局图像区域以及局部图像区域进行调整，得到更新后的可视化的语义分割结果，并根据更新后的可视化的语义分割结果进行图像分割。

为了使得用户可以获知重点区域的变化情况，在一种可选的实施方式中，在通过图像分割网络对待处理图像进行处理，得到待处理图像的语义分割结果之后，该方法还包括：在待处理图像变化的过程中，对应展示语义分割结果中标注的目标区域。

具体地，目标区域可以为用户关注的重点区域或物体，例如，在目标区域为飞行物的情况下，可以在可视化的语义分割结果中将飞行物标示出来，并在待处理图像变化的过程中，动态展示变化前后的待处理图像变化对应的语义分割结果，使得用户可以获知飞行物的变化情况。

实施例2

根据本发明实施例，提供了一种图像分割方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请提供了如图4所示的图像分割方法。图4是根据本发明实施例二的图像分割方法的流程图。

S41，将遥感图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块。

需要说明的是，遥感图像为航空像片和卫星相片，具体地，可以为气象预报图像、自然资源图像、水利、农林业图像、建筑物图像。

图像分割网络中的全局特征提取模块采用的结构可以为神经网络，通过神经网络可以获取图像的局部特征，局部特征提取模块采用的结构为全注意力网络，通过全注意力网络可以获取图像的全局特征并聚焦图像中重要物体，特征融合模块采用的结构可以为交叉网络，可以对特征进行交叉组合。

S42，通过图像分割网络对遥感图像进行处理，得到遥感图像的语义分割结果，其中，语义分割结果中包含各个地物的全局特征信息和局部特征信息。

具体的，可以将待处理图像处理为不同分辨率的图像，通过全局特征提取模块对低分辨率的待处理图像进行处理，高效提取待处理图像的全局特征信息，通过局部特征提取模块对高分辨率的待处理图像进行处理，从而提取待处理图像的局部特征信息。

例如，在遥感图像为城市地貌地图的情况下，通过局部特征提取模块可以从地图中识别小型建筑、交通工具等重要物体的细节特征信息，通过全局特征提取模块可以获取到湖泊、草坪等全局特征信息。

在本发明实施例中，将遥感图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块；通过图像分割网络对遥感图像进行处理，得到遥感图像的语义分割结果，其中，语义分割结果中包含各个地物的全局特征信息和局部特征信息。通过全局特征提取模块和局部特征提取模块的提取待处理图像的特征，并通过特征融合模块对提取到的特征进行融合，达到了图像分割网络输出的语义分割结果中包含全局特征信息和局部特征信息的目的，从而实现了同时获取图像的全局特征信息和局部特征信息的技术效果，进而解决了相关技术中在图像分割任务中难以同时获取图像的全局特征信息和局部特征信息的技术问题。

在一种可选的实施方式中，在通过图像分割网络对遥感图像进行处理，得到遥感图像的语义分割结果之后，该方法还包括：在第一感受野下，展示遥感图像的语义分割结果中的各个地物的区域图；在第二感受野下，展示遥感图像的语义分割结果中的目标地物的局部信息，其中，第二感受野大于第一感受野。

需要说明的是，待处理图像的语义分割结果即为高维度特征的分类情况，可以将高维度特征的分类情况转换为可视化的语义分割结果，并在可视化的语义分割结果中标注全局特征对应的全局图像区域以及局部特征对应的局部图像区域，使得用户可以直观的获知待处理图像的分割情况。

具体地，在将高维度特征的分类情况转换为可视化的语义分割结果后，在不同的感受野下展示语义分割结果中的全局信息个局部信息，在较小的第一感受野下展示遥感图像的全局信息，也即，展示遥感图像中的各个地物的区域图，在较大的第二感受野下展示遥感图像的局部信息，也即，展示遥感图像中的目标地物的局部信息，从而使得用户可以直观的获知处理图像的全局信息和局部信息。

实施例3

根据本发明实施例，提供了一种图像分割方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请提供了如图5所示的图像分割方法。图5是根据本发明实施例三的图像分割方法的流程图。

S51，将建筑物图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块。

具体地，建筑物图像可以为城市建筑图，也可以是园林图，也可以为村落图，图像分割网络中的全局特征提取模块采用的结构可以为神经网络，通过神经网络可以获取图像的局部特征，局部特征提取模块采用的结构为全注意力网络，通过全注意力网络可以获取图像的全局特征并聚焦图像中重要物体，特征融合模块采用的结构可以为交叉网络，可以对特征进行交叉组合。

S52，通过图像分割网络对建筑物图像进行处理，得到建筑物图像的语义分割结果，其中，语义分割结果中包含各个建筑物的全局特征信息和每个建筑物的局部特征信息。

具体的，可以将待处理图像处理为不同分辨率的图像，通过全局特征提取模块对低分辨率的待处理图像进行处理，高效提取待处理图像的全局特征信息，通过局部特征提取模块对高分辨率的待处理图像进行处理，从而提取待处理图像的局部特征信息。

例如，在建筑物图像为园林图的情况下，通过局部特征提取模块可以从地图中识别亭台、楼阁等重要物体的细节特征信息，通过全局特征提取模块可以获取到湖泊、植被等全局特征信息。

在本发明实施例中，将建筑物图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块；通过图像分割网络对建筑物图像进行处理，得到建筑物图像的语义分割结果，其中，语义分割结果中包含各个建筑物的全局特征信息和每个建筑物的局部特征信息。通过全局特征提取模块和局部特征提取模块的提取待处理图像的特征，并通过特征融合模块对提取到的特征进行融合，达到了图像分割网络输出的语义分割结果中包含全局特征信息和局部特征信息的目的，从而实现了同时获取图像的全局特征信息和局部特征信息的技术效果，进而解决了相关技术中在图像分割任务中难以同时获取图像的全局特征信息和局部特征信息的技术问题。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。

实施例4

根据本发明实施例，还提供了一种用于实施上述图像分割方法的图像分割装置，如图6所示，该装置包括：

输入单元10，用于将待处理图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块。

处理单元20，用于通过图像分割网络对待处理图像进行处理，得到待处理图像的语义分割结果，其中，语义分割结果中包含全局特征信息和局部特征信息。

在本发明实施例中，通过输入单元10将待处理图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块；处理单元20通过图像分割网络对待处理图像进行处理，得到待处理图像的语义分割结果，其中，语义分割结果中包含全局特征信息和局部特征信息。通过全局特征提取模块和局部特征提取模块的提取待处理图像的特征，并通过特征融合模块对提取到的特征进行融合，达到了图像分割网络输出的语义分割结果中包含全局特征信息和局部特征信息的目的，从而实现了同时获取图像的全局特征信息和局部特征信息的技术效果，进而解决了相关技术中在图像分割任务中难以同时获取图像的全局特征信息和局部特征信息的技术问题。

在一种可选的实施方式中，处理单元20包括：处理模块，用于通过全局特征提取模块对待处理图像进行处理，得到待处理图像的全局特征信息；处理模块，用于通过局部特征提取模块对待处理图像进行处理，得到待处理图像的局部特征信息；融合模块，用于通过特征融合模块对全局特征信息和局部特征信息进行融合，得到待处理图像的语义分割结果。

在一种可选的实施方式中，该装置还包括：构建单元，用于构建图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块合模块。

在一种可选的实施方式中，全局特征提取模块中包括多个串联的全局特征提取组件，局部特征提取模块中包括多个串联的局部特征提取组件，每个全局特征提取模块的最后一个组件和每个局部特征提取模块的最后一个组件的输出特征共同作为特征融合模块的输入特征。

在一种可选的实施方式中，该装置还包括：展示单元，用于展示待处理图像的语义分割结果，并标注全局特征对应的全局图像区域以及局部特征对应的局部图像区域。

在一种可选的实施方式中，该装置还包括：调整单元，其中包括：获取模块，用于获取对全局图像区域和/或局部图像区域的调整信息；调整模块，用于根据调整信息对全局图像区域和/或局部图像区域进行调整，得到更新后的语义分割结果。

在一种可选的实施方式中，该装置还包括：展示单元，用于在待处理图像变化的过程中，对应展示语义分割结果中标注的目标区域。

此处需要说明的是，上述单元对应于实施例一中的步骤，两个单元与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端中。

实施例5

根据本发明实施例，还提供了一种用于实施上述图像分割方法的图像分割装置，如图7所示，该装置包括：

分割单元30，用于将遥感图像输入图像分割网络，其中，所述图像分割网络包括全局特征提取模块和局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的特征融合模块。

处理单元40，用于通过所述图像分割网络对所述遥感图像进行处理，得到所述遥感图像的语义分割结果，其中，所述语义分割结果中包含各个地物的全局特征信息和局部特征信息。

在本发明实施例中，通过分割单元30将遥感图像输入图像分割网络，其中，所述图像分割网络包括全局特征提取模块和局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的特征融合模块；处理单元40通过所述图像分割网络对所述遥感图像进行处理，得到所述遥感图像的语义分割结果，其中，所述语义分割结果中包含各个地物的全局特征信息和局部特征信息。通过全局特征提取模块和局部特征提取模块的提取待处理图像的特征，并通过特征融合模块对提取到的特征进行融合，达到了图像分割网络输出的语义分割结果中包含全局特征信息和局部特征信息的目的，从而实现了同时获取图像的全局特征信息和局部特征信息的技术效果，进而解决了相关技术中在图像分割任务中难以同时获取图像的全局特征信息和局部特征信息的技术问题。

在一种可选的实施方式中，该装置还包括：展示单元，其中包括：展示模块，用于在第一感受野下，展示所述遥感图像的语义分割结果中的各个地物的区域图；展示模块，用于在第二感受野下，展示所述遥感图像的语义分割结果中的目标地物的局部信息，其中，所述第二感受野大于所述第一感受野。

此处需要说明的是，上述单元对应于实施例二中的步骤，两个单元与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例二提供的计算机终端中。

实施例6

根据本发明实施例，还提供了一种用于实施上述图像分割方法的图像分割装置，如图8所示，该装置包括：

分割单元50，用于将建筑物图像输入图像分割网络，其中，所述图像分割网络包括全局特征提取模块和局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的特征融合模块。

处理单元60，用于通过所述图像分割网络对所述建筑物图像进行处理，得到所述建筑物图像的语义分割结果，其中，所述语义分割结果中包含各个建筑物的全局特征信息和每个建筑物的局部特征信息。

在本发明实施例中，分割单元50，用于将建筑物图像输入图像分割网络，其中，所述图像分割网络包括全局特征提取模块和局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的特征融合模块；处理单元60，用于通过所述图像分割网络对所述建筑物图像进行处理，得到所述建筑物图像的语义分割结果，其中，所述语义分割结果中包含各个建筑物的全局特征信息和每个建筑物的局部特征信息。通过全局特征提取模块和局部特征提取模块的提取待处理图像的特征，并通过特征融合模块对提取到的特征进行融合，达到了图像分割网络输出的语义分割结果中包含全局特征信息和局部特征信息的目的，从而实现了同时获取图像的全局特征信息和局部特征信息的技术效果，进而解决了相关技术中在图像分割任务中难以同时获取图像的全局特征信息和局部特征信息的技术问题。

此处需要说明的是，上述单元对应于实施例三中的步骤，两个单元与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例三提供的计算机终端中。

实施例7

本发明的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。

可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。

在本实施例中，上述计算机终端可以执行应用程序的图像分割方法中以下步骤的程序代码：将待处理图像输入图像分割网络，其中，所述图像分割网络包括全局特征提取模块和局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的特征融合模块；通过所述图像分割网络对所述待处理图像进行处理，得到所述待处理图像的语义分割结果，其中，所述语义分割结果中包含全局特征信息和局部特征信息。

可选地，图9是根据本发明实施例的一种计算机终端的结构框图。如图9所示，该计算机终端可以包括：一个或多个(图中仅示出一个)处理器、存储器。

其中，存储器可用于存储软件程序以及模块，如本发明实施例中的图像分割方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的图像分割方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：将待处理图像输入图像分割网络，其中，所述图像分割网络包括全局特征提取模块和局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的特征融合模块；通过所述图像分割网络对所述待处理图像进行处理，得到所述待处理图像的语义分割结果，其中，所述语义分割结果中包含全局特征信息和局部特征信息。

可选的，上述处理器还可以执行如下步骤的程序代码：通过所述全局特征提取模块对所述待处理图像进行处理，得到所述待处理图像的全局特征信息；通过所述局部特征提取模块对所述待处理图像进行处理，得到所述待处理图像的局部特征信息；通过所述特征融合模块对所述全局特征信息和所述局部特征信息进行融合，得到所述待处理图像的语义分割结果。

可选的，上述处理器还可以执行如下步骤的程序代码：在将待处理图像输入图像分割网络之前，所述方法还包括：构建所述图像分割网络，其中，所述图像分割网络包括所述全局特征提取模块和所述局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的所述特征融合模块合模块。

可选的，上述处理器还可以执行如下步骤的程序代码：所述全局特征提取模块中包括多个串联的全局特征提取组件，所述局部特征提取模块中包括多个串联的局部特征提取组件，每个所述全局特征提取模块的最后一个组件和每个所述局部特征提取模块的最后一个组件的输出特征共同作为所述特征融合模块的输入特征。

可选的，上述处理器还可以执行如下步骤的程序代码：在通过所述图像分割网络对所述待处理图像进行处理，得到所述待处理图像的语义分割结果之后，所述方法还包括：展示所述待处理图像的语义分割结果，并标注所述全局特征对应的全局图像区域以及所述局部特征对应的局部图像区域。

可选的，上述处理器还可以执行如下步骤的程序代码：在展示所述待处理图像的语义分割结果，并标注所述全局特征对应的全局图像区域以及所述局部特征对应的局部图像区域之后，所述方法还包括：获取对所述全局图像区域和/或所述局部图像区域的调整信息；根据所述调整信息对所述全局图像区域和/或所述局部图像区域进行调整，得到更新后的语义分割结果。

可选的，上述处理器还可以执行如下步骤的程序代码：在所述待处理图像变化的过程中，对应展示所述语义分割结果中标注的目标区域。

采用本发明实施例，提供了一种图像分割方法的方案。通过将待处理图像输入图像分割网络，其中，图像分割网络包括全局特征提取模块和局部特征提取模块，以及与全局特征提取模块和局部特征提取模块的输出端共同连接的特征融合模块；通过图像分割网络对待处理图像进行处理，得到待处理图像的语义分割结果，其中，语义分割结果中包含全局特征信息和局部特征信息。通过全局特征提取模块和局部特征提取模块的提取待处理图像的特征，并通过特征融合模块对提取到的特征进行融合，达到了图像分割网络输出的语义分割结果中包含全局特征信息和局部特征信息的目的，从而实现了同时获取图像的全局特征信息和局部特征信息的技术效果，进而解决了相关技术中在图像分割任务中难以同时获取图像的全局特征信息和局部特征信息的技术问题。

本领域普通技术人员可以理解，图9所示的结构仅为示意，计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备 (MobileInternet Devices，MID)、PAD等终端设备。图9其并不对上述电子装置的结构造成限定。例如，计算机终端101还可包括比图9中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图9所示不同的配置。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。

实施例8

本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的图像分割方法所执行的程序代码。

可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：将待处理图像输入图像分割网络，其中，所述图像分割网络包括全局特征提取模块和局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的特征融合模块；通过所述图像分割网络对所述待处理图像进行处理，得到所述待处理图像的语义分割结果，其中，所述语义分割结果中包含全局特征信息和局部特征信息。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (13)

1.一种图像分割方法，其特征在于，包括：

将待处理图像输入图像分割网络，其中，所述图像分割网络包括全局特征提取模块和局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的特征融合模块；

通过所述图像分割网络对所述待处理图像进行处理，得到所述待处理图像的语义分割结果，其中，所述语义分割结果中包含全局特征信息和局部特征信息。

2.根据权利要求1所述的图像分割方法，其特征在于，通过所述图像分割网络对所述待处理图像进行处理，得到所述待处理图像的语义分割结果包括：

通过所述全局特征提取模块对所述待处理图像进行处理，得到所述待处理图像的全局特征信息；

通过所述局部特征提取模块对所述待处理图像进行处理，得到所述待处理图像的局部特征信息；

通过所述特征融合模块对所述全局特征信息和所述局部特征信息进行融合，得到所述待处理图像的语义分割结果。

3.根据权利要求1所述的图像分割方法，其特征在于，在将待处理图像输入图像分割网络之前，所述方法还包括：构建所述图像分割网络，其中，所述图像分割网络包括所述全局特征提取模块和所述局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的所述特征融合模块合模块。

4.根据权利要求3所述的图像分割方法，其特征在于，所述全局特征提取模块中包括多个串联的全局特征提取组件，所述局部特征提取模块中包括多个串联的局部特征提取组件，每个所述全局特征提取模块的最后一个组件和每个所述局部特征提取模块的最后一个组件的输出特征共同作为所述特征融合模块的输入特征。

5.根据权利要求1所述的图像分割方法，其特征在于，在通过所述图像分割网络对所述待处理图像进行处理，得到所述待处理图像的语义分割结果之后，所述方法还包括：

展示所述待处理图像的语义分割结果，并标注所述全局特征对应的全局图像区域以及所述局部特征对应的局部图像区域。

6.根据权利要求5所述的图像分割方法，其特征在于，在展示所述待处理图像的语义分割结果，并标注所述全局特征对应的全局图像区域以及所述局部特征对应的局部图像区域之后，所述方法还包括：

获取对所述全局图像区域和/或所述局部图像区域的调整信息；

根据所述调整信息对所述全局图像区域和/或所述局部图像区域进行调整，得到更新后的语义分割结果。

7.根据权利要求1所述的图像分割方法，其特征在于，在通过所述图像分割网络对所述待处理图像进行处理，得到所述待处理图像的语义分割结果之后，所述方法还包括：

在所述待处理图像变化的过程中，对应展示所述语义分割结果中标注的目标区域。

8.一种图像分割方法，其特征在于，包括：

将遥感图像输入图像分割网络，其中，所述图像分割网络包括全局特征提取模块和局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的特征融合模块；

通过所述图像分割网络对所述遥感图像进行处理，得到所述遥感图像的语义分割结果，其中，所述语义分割结果中包含各个地物的全局特征信息和局部特征信息。

9.根据权利要求8所述的图像分割方法，其特征在于，在通过所述图像分割网络对所述遥感图像进行处理，得到所述遥感图像的语义分割结果之后，所述方法还包括：

在第一感受野下，展示所述遥感图像的语义分割结果中的各个地物的区域图；

在第二感受野下，展示所述遥感图像的语义分割结果中的目标地物的局部信息，其中，所述第二感受野大于所述第一感受野。

10.一种图像分割方法，其特征在于，包括：

将建筑物图像输入图像分割网络，其中，所述图像分割网络包括全局特征提取模块和局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的特征融合模块；

通过所述图像分割网络对所述建筑物图像进行处理，得到所述建筑物图像的语义分割结果，其中，所述语义分割结果中包含各个建筑物的全局特征信息和每个建筑物的局部特征信息。

11.一种图像分割装置，其特征在于，包括：

输入单元，用于将待处理图像输入图像分割网络，其中，所述图像分割网络包括全局特征提取模块和局部特征提取模块，以及与所述全局特征提取模块和所述局部特征提取模块的输出端共同连接的特征融合模块；

处理单元，用于通过所述图像分割网络对所述待处理图像进行处理，得到所述待处理图像的语义分割结果，其中，所述语义分割结果中包含全局特征信息和局部特征信息。

12.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的图像分割方法。

13.一种计算机程序，其特征在于，所述计算机程序执行时实现权利要求1至7中任意一项所述的图像分割方法。

Images