图像检测方法、装置、电子设备和存储介质转让专利
申请号 : CN202310149740.0
文献号 : CN116245835B
文献日 : 2023-12-01
发明人 : 吴博烔 , 郭华
申请人 : 数坤科技股份有限公司
摘要 :
权利要求 :
1.一种图像检测方法,其特征在于,包括:
获取至少两张目标图像,确定各所述目标图像中的目标候选区域;其中,各所述目标图像包括的目标候选区域的位置和数量相同;
根据各所述目标候选区域在各所述目标图像中的像素值,得到各所述目标候选区域对应的参考特征数据;
针对每个所述目标图像中的每个像素点,根据该像素点在各目标图像中的像素值,得到该像素点对应的待识别特征数据;
根据各所述参考特征数据以及各所述像素点对应的待识别特征数据,确定得到检测区域;
对所述检测区域进行检测,得到所述检测区域的检测结果;
所述根据各所述参考特征数据以及各所述像素点对应的待识别特征数据,确定得到检测区域的步骤包括:根据各所述参考特征数据以及各所述像素点对应的待识别特征数据,确定得到目标像素点;
根据所述目标像素点,构建所述检测区域;
所述根据各所述参考特征数据以及各所述像素点对应的待识别特征数据,确定得到目标像素点的步骤包括:针对每个所述像素点对应的待识别特征数据,计算各所述参考特征数据与该像素点对应的待识别特征数据的相似度;
检测各所述参考特征数据与该像素点对应的待识别特征数据的相似度是否符合预设阈值;
若存在至少一个所述参考特征数据与该像素点对应的待识别特征数据的相似度符合所述预设阈值,将该像素点设置为目标像素点。
2.根据权利要求1所述的图像检测方法,其特征在于,所述根据各所述目标候选区域在各所述目标图像中的像素值,得到各所述目标候选区域对应的参考特征数据的步骤包括:获取各所述目标候选区域的中心点在各目标图像中的像素值;
根据各所述目标候选区域的中心点在各目标图像的像素值,得到各所述目标候选区域对应的参考特征数据。
3.根据权利要求1所述的图像检测方法,其特征在于,所述根据所述目标像素点,构建检测区域的步骤包括:以所述目标像素点为中心,构建第一预设尺寸的预设框;
检测所述预设框内的像素点是否满足预设条件;
若满足,以所述目标像素点为中心点,根据第二预设尺寸,构建检测区域。
4.根据权利要求1所述的图像检测方法,其特征在于,所述确定得到各所述目标图像中的目标候选区域的步骤包括:将各所述目标图像输入至预设的分割模型,确定得到各所述目标图像中的目标候选区域。
5.根据权利要求1所述的图像检测方法,其特征在于,所述对所述检测区域进行检测,得到所述检测区域的检测结果的步骤包括:将所述检测区域输入至预设的分类模型,得到所述检测区域的检测结果。
6.一种图像检测装置,其特征在于,包括:
获取模块,用于获取至少两张目标图像,确定得到各所述目标图像中的目标候选区域;
其中,各所述目标图像包括的目标候选区域的位置和数量相同;
特征构建模块,用于根据各所述目标候选区域在各所述目标图像中的像素值,得到各所述目标候选区域对应的参考特征数据;还用于针对每个所述目标图像中的每个像素点,根据该像素点在各目标图像中的像素值,得到该像素点对应的待识别特征数据;
计算模块,用于根据各所述参考特征数据以及各所述像素点对应的待识别特征数据,确定得到检测区域;
检测模块,用于对所述检测区域进行检测,得到所述检测区域的检测结果;
所述根据各所述参考特征数据以及各所述像素点对应的待识别特征数据,确定得到检测区域包括:根据各所述参考特征数据以及各所述像素点对应的待识别特征数据,确定得到目标像素点;
根据所述目标像素点,构建所述检测区域;
所述根据各所述参考特征数据以及各所述像素点对应的待识别特征数据,确定得到目标像素点包括:针对每个所述像素点对应的待识别特征数据,计算各所述参考特征数据与该像素点对应的待识别特征数据的相似度;
检测各所述参考特征数据与该像素点对应的待识别特征数据的相似度是否符合预设阈值;
若存在至少一个所述参考特征数据与该像素点对应的待识别特征数据的相似度符合所述预设阈值,将该像素点设置为目标像素点。
7.一种电子设备,其特征在于,所述电子设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的图像检测方法。
8.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至5任一项所述的图像检测方法。
说明书 :
图像检测方法、装置、电子设备和存储介质
技术领域
背景技术
由于特定对象的尺寸不一,有些特定对象在图像中的尺寸很大,有些特定对象在图像中的
尺寸很小,而现有的图像检测方法,只能检测到尺寸较大的特定对象,对于尺寸很小的特定
对象,难以检测,从而无法实现对图像中特定对象的精准检测。
发明内容
点,根据该像素点在各目标图像中的像素值,得到该像素点对应的待识别特征数据;
程序时实现前述任一实施例所述的图像检测方法。
的像素值,得到各目标候选区域对应的参考特征数据,针对每个目标图像中的每个像素点,
根据该像素点在各目标图像中的像素值,得到该像素点对应的待识别特征数据,根据各参
考特征数据以及各像素点对应的待识别特征数据,确定得到检测区域,对检测区域进行检
测,得到检测区域的检测结果。如此,根据各目标候选区域对应的参考特征数据,以及每个
目标图像中的每个像素点对应的待识别特征数据,确定得到检测区域,对检测区域进行检
测,能够精确检测图像中的每个像素点,从而确定尺寸较小的对象的检测区域,快速、精确
地实现图像检测。
附图说明
本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附
图。
具体实施方式
本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施
例,都属于本发明保护的范围。
因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解
为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、
“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,“多
个”的含义是两个或两个以上,除非另有明确具体的限定。
何技术人员能够实现和使用本发明,给出了以下描述。在以下描述中,为了解释的目的而列
出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况
下也可以实现本发明。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必
要的细节使本发明的描述变得晦涩。因此,本发明并非旨在限于所示的实施例,而是与符合
本发明所公开的原理和特征的最广范围相一致。
大,有些特定对象在图像中的尺寸很小,现有的图像检测方法,只能检测到尺寸较大的特定
对象,对于尺寸很小的特定对象,难以检测到,无法实现对图像中特定对象的精准检测。
在各目标图像中的像素值,得到各目标候选区域对应的参考特征数据,针对每个目标图像
中的每个像素点,根据该像素点在各目标图像中的像素值,得到该像素点对应的待识别特
征数据,根据各参考特征数据以及各像素点对应的待识别特征数据,确定得到检测区域,对
检测区域进行检测,得到检测区域的检测结果。如此,根据各目标候选区域对应的参考特征
数据,以及每个目标图像中的每个像素点对应的待识别特征数据,确定得到检测区域,对检
测区域进行检测,能够精确检测图像中的每个像素点,从而确定尺寸较小的对象的检测区
域,快速、精确地实现图像检测。
30可执行的机器可读指令,当电子设备100运行时,处理器30及存储器20之间通过总线通
信,处理器30执行机器可读指令,并执行图像检测方法。
实现电性连接。图像检测装置10包括至少一个可以软件或固件(firm ware)的形式存储于
存储器20中的软件功能模块。处理器30用于执行存储器20中存储的可执行模块(例如图像
检测装置10所包括的软件功能模块或计算机程序)。
Memory,PROM),可擦除只读存储器(Erasable Programmable Read‑Only Memory,EPROM),
电可擦除只读存储器(Electric Erasable Programmable Read‑Only Memory,EEPROM)等。
仅作为举例,处理器30可以包括中央处理单元(Central Processing Unit,CPU)、专用集成
电路(Application Specific Integrated Circuit,ASIC)、专用指令集处理器
(Application Specific Instruction‑set Processor,ASIP)、图形处理单元(Graphics
Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器
(Digital Signal Processor,DSP)、现场可编程门阵列(Field Programmable Gate
Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单
元、简化指令集计算机(Reduced Instruction Set Computing,RISC)或微处理器等,或其
任意组合。
也可以由多个处理器联合执行或单独执行。例如,若服务器的处理器执行步骤A和步骤B,则
应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执
行。例如,处理器执行步骤A,第二处理器执行步骤B,或者处理器和第二处理器共同执行步
骤A和B。
器30实现。
网、局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网
(Wireless Local Area Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广
域网(Wide Area Network,WAN)、公共电话交换网(Public Switched Telephone Network,
PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication,NFC)网络等,或其
任意组合。
Assistant,PDA)等电子设备上。
组合实现。
请结合参阅图2,本实施例提供的图像检测方法包括步骤S101至步骤S105。
实施例不做具体限定,本领域技术人员可根据需求进行调整,待测对象可以有一个也可以
有多个。
同,确定得到的目标候选区域在各目标图像中的位置和数量也是相同的。
象为图像中的人脸,在不同的拍摄条件得到目标图像,可以是在不同的摄制参数、照度下得
到目标图像,本实施例不做具体限定。当应用于人脸检测时,目标图像中的目标候选区域为
目标图像中尺寸较大的人脸区域。
Tomography,CT)、磁共振检查(Magnetic Resonance,MR)、4D超声超声波等方式,对人体生
理结构进行扫描,获取的医学影像。人体生理结构可以为心脏、肝脏、肺部、血管、骨骼等等。
当待测对象为医学影像中的异常区域时,在不同的拍摄条件得到目标图像,可以是每组医
学影像都是在不同扫描条件下获取的。如:对心脏进行扫描时,利用核磁共振对心脏进行扫
描时,在造影剂、扫描方式等不同的扫描条件下获取至少两组心脏的医学影像。在实际应用
中,至少两组医学影像中,每组医学影像的获取方式也可能是不同的,但是至少两组医学影
像是经过配准的。如:有两组医学影像,一组为利用电子计算机断层扫描得到的,一组为磁
共振检查扫描得到的,但是两组医学图像是在同一坐标系下的。
习算法等现有的检测方法检出。但是,对于尺寸微小的待测对象来说,现有的检测方法,难
以检测到。因此,本实施例中,在利用现有的检测方法,检出目标候选区域后,还需要再进一
步检测。
在同一目标图像中的像素值也不同。如:待测对象为医学影像中的异常区域时,待测对象包
括了癌变、血管瘤等各种病变的区域。因此,各目标候选区域在同一目标图像中的像素值也
是不同的,需要根据各目标区域在各目标图像中的像素值,得到各目标候选区域对应的参
考特征数据。
均值、众值、中值等,或者是各目标候选区域在各目标图像中的中心点的像素值等,本实施
例不做限定,本领域技术人员可进行调整。
参考特征数据中多个离散的点,可以构建为参考特征曲线。本实施例中,不对参考数据的格
式做限定,只要能够表征目标候选区域的像素值情况即可,本领域技术人员可根据需求进
行调整。
各目标图像中的像素值的变化情况。
各待识别特征数据包括的多个离散的点,可以构建待识别特征曲线。同样的,可理解地,对
于待识别数据的格式,本实施例不做限定,只要能够表征每个像素点在各目标图像中的像
素值情况即可,本领域技术人员可根据需求进行调整。
识别特征数据,可以得到各目标图像中与目标候选区域的像素值类似的像素点,以此得到
检测区域。能够精确检测到目标图像中的每个像素点,以确定出检测区域,提高检测效率。
利用预先训练好的深度学习模型,对检测区域进行检测,能够快速的得到检测结果。可以理
解的,本实施例中的深度学习算法,只是举例说明,实际应用中,本领域技术人员能够根据
需求进行替换,只要能得到检测结果即可。
够检测出目标图像中尺寸较小的待测对象的区域,提高了图像检测的精确率和效率。
像中的像素值作为参考特征数据。本实施例中先获取各目标候选区域的中心点在各目标图
像中的像素值,然后根据各目标候选区域的中心点在各目标图像的像素值,得到各目标候
选区域对应的参考特征数据,参考特诊数据可以是包括多个元素的数组,每个元素表征各
目标候选区域的中心点在各目标图像中的像素值;当目标图像数量多时,也可以是由各目
标候选区域的中心点在各目标图像中的像素值构建的参考特征曲线,也可以是其他任何能
够表征各目标区域的特征的形式,本实施例不做具体限定。
够缩小检测范围,提高检测效率。
度,能够将该像素点与每个目标候选区域进行比较,若存在至少一个参考特征数据与该像
素点对应的待识别特征数据的相似度符合预设阈值,则证明该像素点与各目标候选区域中
的其中一个待测对象相似,该像素点可能是待测对象的像素点。
值可能是不同的。预设阈值可以是经验设定,也可以预先设置多个阈值,进行测试,在测试
集中选取众多阈值中表现最好的阈值。本领域技术人员可根据待测对象的类别进行设置,
也可以通过实验综合设定一个预设阈值,本实施例不做具体限定。
衡量参考特征数据与待识别特征数据之间的相似度即可。
考特征数据对应的预设阈值时,则该待识别特征数据与该参考特征数据相似度高,该待识
别特征数据对应的像素点为目标像素点。例如:目标图像的数量较多,分别为A、B、C、D、E等
多张目标图像,确定到一个目标候选区域,请结合参阅图3,根据该目标候选区域构建了参
考特征曲线X,参考特征曲线X对应的参考阈值为x。根据多张目标图像中每个像素点在各目
标图像中的像素值,构建了若干待识别特征曲线,计算y像素点对应的待识别特征曲线Y与
参考特征曲线X的相似度时,分别计算A图像中y像素点的像素值a2与参考特征曲线X在A图
像中的像素值a1的差值|a1‑a2|;B图像中y像素点的像素值b2与参考特征曲线X在B图像中
的像素值b1的差值|b1‑b2|;C图像中y像素点的像素值c2与参考特征曲线X在C图像中的像
素值c1的差值|c1‑c2|;D图像中y像素点的像素值d2与参考特征曲线X在D图像中的像素值
d1的差值|d1‑d2|;E图像中y像素点的像素值e2与参考特征曲线X在E图像中的像素值e1的
差值|e1‑e2|。只有当|a1‑a2|、|b1‑b2|、|c1‑c2|、|d1‑d2|、|e1‑e2|均小于等于x时,参考特征曲线X与待识别特征曲线Y的相似度高,像素点y为目标像素点。
为检测区域,加大检测的工作量,因此在构建检测区域之前,需要进行筛选。
域。本实施例中,构建第一预设尺寸的预设框,是为了筛选出图像噪声等像素区域,第一预
尺寸可根据需求进行设置,本实施例不做具体限定。例如:预设第一尺寸为3*3的像素区域,
则当以目标像素点为中心的3*3的像素区域内,符合待测对象的像素值范围的连续体区域
在3*3像素区域以下时,判定该目标像素点为图像噪声等非检测对象;若与目标像素点相邻
的符合待测对象的像素值范围的连续体区域大于等于3*3的像素区域,且该3*3的像素区域
不属于任一目标候选区域,则该目标像素点符合预设条件。
样的,第二预设尺寸的设置,本领域技术人员可根据需求进行调整,本实施例不做限定。
(Convolutional Neural Network,CNN)、循环神经网络(Recurrent Neural Network,
RNN)、双向循环神经网络(Bidirectional Recurrent Neural Network,BRNN)、门控循环单
元(Gated Recurrent Unit,GRU)、长短期记忆网络(Long Short‑Term Memory,LSTM)等,本
实施例不做限定,本领域技术人员可以根据需求进行调整。
到,与前述的分割模型相同,本实施例不再赘述。
区域对应的参考特征数据,针对每个目标图像中的每个像素点,根据该像素点在各目标图
像中的像素值,得到该像素点对应的待识别特征数据,根据各参考特征数据以及各像素点
对应的待识别特征数据,确定得到检测区域,对检测区域进行检测,得到检测区域的检测结
果。如此,根据各目标候选区域对应的参考特征数据,以及每个目标图像中的每个像素点对
应的待识别特征数据,确定得到检测区域,对检测区域进行检测,能够精确检测图像中的每
个像素点,从而确定尺寸较小的对象的检测区域,快速、精确地实现图像检测。
点在各目标图像中的像素值,得到该像素点对应的待识别特征数据;
区域对应的参考特征数据,针对每个目标图像中的每个像素点,根据该像素点在各目标图
像中的像素值,得到该像素点对应的待识别特征数据,根据各参考特征数据以及各像素点
对应的待识别特征数据,确定得到检测区域,对检测区域进行检测,得到检测区域的检测结
果。如此,根据各目标候选区域对应的参考特征数据,以及每个目标图像中的每个像素点对
应的待识别特征数据,确定得到检测区域,对检测区域进行检测,能够精确检测图像中的每
个像素点,从而确定尺寸较小的对象的检测区域,快速、精确地实现图像检测。
各目标图像中的像素值,得到各目标候选区域对应的参考特征数据,针对每个目标图像中
的每个像素点,根据该像素点在各目标图像中的像素值,得到该像素点对应的待识别特征
数据,根据各参考特征数据以及各像素点对应的待识别特征数据,确定得到检测区域,对检
测区域进行检测,得到检测区域的检测结果。其中,目标候选区域为尺寸较大的,能够被检
出的待测对象所在的区域。如此,根据各目标候选区域对应的参考特征数据,以及每个目标
图像中的每个像素点对应的待识别特征数据,确定得到检测区域,对检测区域进行检测,以
得到检测区域的检测结果。能够将检测精确到图像中的每个像素点,从而确定尺寸较小的
对象的检测区域,快速、精确地实现图像检测。
盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。