多尺度图像分割方法及装置与流程

1.本技术涉及数据处理技术领域，特别涉及多尺度图像分割方法及装置。


背景技术：

2.随着计算机技术的发展，图像处理技术应用越来越广泛，比如图像分割、图像编辑等。图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。同时，在许多对图像分割有特殊要求的图像处理领域，比如针对遥感影像的图像分割领域，对图像分割精度的要求越来越高。


技术实现要素：

3.有鉴于此，本技术提供了一种多尺度图像分割方法、一种多尺度图像分割装置、一种计算设备以及一种计算机可读存储介质。
4.本技术提供一种多尺度图像分割方法，包括：
5.获取待处理图像；
6.按照至少两种切分尺度，将所述待处理图像切分为与至少两种切分尺度对应的子图像；
7.将所述子图像调整至满足预设条件，获得中间图像；
8.对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域；
9.对所述目标图像区域进行融合，获得目标图像。
10.可选的，所述对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域，包括：
11.计算所述中间图像包含的最小图像单元为所述目标特征的概率值；
12.选择概率值大于第一概率阈值的最小图像单元组成所述目标特征对应的目标图像区域。
13.可选的，所述对所述目标图像区域进行融合，获得目标图像，包括：
14.根据所述目标图像区域包含的最小图像单元的概率值，计算所述待处理图像包含的最小图像单元的优化概率值；
15.在所述待处理图像中分割出优化概率值大于第二概率阈值的最小图像单元组成目标图像区域，作为所述目标图像。
16.可选的，所述对所述目标图像区域进行融合，获得目标图像，包括：
17.根据所述子图像与所述中间图像的一一对应关系，确定每种切分尺度对应的中间图像进行图像分割后获得的目标图像区域；
18.对每种切分尺度对应的中间图像进行图像分割后获得的目标图像区域进行图像合并，获得每种切分尺度对应的合并图像区域；
19.对所述至少两种切分尺度对应的合并图像区域进行融合，获得所述目标图像。
20.可选的，所述对所述至少两种切分尺度对应的合并图像区域进行融合，获得所述目标图像，包括：
21.根据所述合并图像区域包含的最小图像单元的概率值，计算所述待处理图像包含的最小图像单元的优化概率值；
22.在所述待处理图像中分割出优化概率值大于第二概率阈值的最小图像单元组成目标图像区域，作为所述目标图像。
23.可选的，所述优化概率值，包括：所述至少两种切分尺度的目标图像区域包含的最小图像单元的概率值的加权平均值。
24.可选的，所述对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域步骤，采用图像分割模型实现；
25.其中，所述图像分割模型的输入为所述中间图像，输出为所述目标特征对应的目标图像区域。
26.可选的，所述图像分割模型针对所述中间图像进行的图像分割，包括：
27.计算所述中间图像包含的最小图像单元为所述目标特征的概率值；
28.选择概率值大于第一概率阈值的最小图像单元组成所述目标特征对应的目标图像区域。
29.可选的，所述至少两种切分尺度中任意一种切分尺度对应的子图像之间存在重叠区域，所述任意一种切分尺度的中间图像之间存在重叠区域；
30.相应的，所述重叠区域包含的最小图像单元为所述目标特征的概率值，是指所述重叠区域包含的最小图像单元在所属的中间图像中为所述目标特征的概率值的平均值。
31.可选的，所述将所述子图像调整至满足预设条件，获得中间图像，包括：
32.对所述至少两种切分尺度对应的子图像的图像尺寸进行缩/放处理，获得图像尺寸相等的至少两种切分尺度的中间图像。
33.可选的，所述对所述至少两种切分尺度对应的子图像的图像尺寸进行缩/放处理，获得图像尺寸相等的至少两种切分尺度的中间图像，包括：
34.针对所述至少两种切分尺度中至少一种切分尺度对应的子图像，判断所述切分尺度对应的子图像的图像尺寸是否大于基准图像尺寸；
35.若是，将所述切分尺度对应的子图像的图像尺寸缩小至与所述基准图像尺寸一致，获得所述切分尺度的中间图像；
36.若否，判断所述切分尺度对应的子图像的图像尺度是否小于所述基准图像尺寸；
37.若小于，将所述切分尺寸对应的子图像的图像尺寸放大至与所述基准图像尺寸一致，获得所述切分尺度的中间图像。
38.可选的，所述对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域步骤，采用批处理的方式在图形处理器上执行。
39.可选的，所述待处理图像包括遥感图像；
40.所述遥感图像包含的最小图像单元，包括所述遥感图像中的像素单元。
41.本技术还提供一种多尺度图像分割装置，包括：
42.图像获取模块，被配置为获取待处理图像；
43.图像切分模块，被配置为按照至少两种切分尺度，将所述待处理图像切分为与至少两种切分尺度对应的子图像；
44.子图像调整模块，被配置为将所述子图像调整至满足预设条件，获得中间图像；
45.图像分割模块，被配置为对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域；
46.区域融合模块，被配置为对所述目标图像区域进行融合，获得目标图像。
47.本技术还提供一种计算设备，包括：
48.存储器和处理器；
49.所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：
50.获取待处理图像；
51.按照至少两种切分尺度，将所述待处理图像切分为与至少两种切分尺度对应的子图像；
52.将所述子图像调整至满足预设条件，获得中间图像；
53.对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域；
54.对所述目标图像区域进行融合，获得目标图像。
55.本技术还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现所述多尺度图像分割方法的步骤。
56.本技术提供的多尺度图像分割方法，按照至少两种切分尺度分别对待处理图像进行切分，切分为与至少两种切分尺度对应的子图像，然后将切分后获得的至少两种切分尺度下的子图像调整至相同尺寸之后，对调整后获得的中间图像的目标特征进行图像分割，获得目标特征对应的目标图像区域，最后将目标图像区域进行融合，以此来提升图像分割过程中的识别准确度，从而提升图像分割的精度效果。
附图说明
57.图1是本技术实施例提供的一种多尺度图像分割方法处理流程图；
58.图2是本技术实施例提供的一种多尺度图像分割过程的示意图；
59.图3是本技术实施例提供的另一种多尺度图像分割过程的示意图；
60.图4是本技术实施例提供的一种图像切分的示意图；
61.图5是本说明书一个实施例提供的一种应用于器官组织分割场景的多尺度图像分割方法的处理流程图；
62.图6是本技术实施例提供的一种多尺度图像分割装置的示意图；
63.图7是本技术实施例提供的一种计算设备的结构框图。
具体实施方式
64.在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
65.在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
66.应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
67.本技术一个实施例提供一种多尺度图像分割方法、一种多尺度图像分割装置、一种计算设备以及一种计算机可读存储介质。以下分别结合本说明书提供的实施例的附图逐一进行详细说明，并且对方法的各个步骤进行说明。
68.本技术提供的一种多尺度图像分割方法实施例如下：
69.参照附图1，其示出了本实施例提供的一种多尺度图像分割方法处理流程图，参见附图2，其示出了本实施例提供的一种多尺度图像分割过程的示意图，参见附图3，其示出了本实施例提供的另一种多尺度图像分割过程的示意图，参见附图4，其示出了本实施例提供的一种图像切分的示意图。
70.步骤s102，获取待处理图像。
71.本技术提供的所述多尺度图像分割方法，从待处理图像的多尺度分割出发，按照多种切分尺度对待处理图像进行切分，并且在待处理图像的多种尺度切分的基础上，进行多切分尺度的图像分割，并通过融合多切分尺度的图像分割结果来提升图像分割过程中的识别准确度，从而提升图像分割的精度效果；如附图2所示，按照两种或两种以上切分尺度对人物图像进行切分，并将切分获得的子图像进行调整，获得两种或两种以上切分尺度的中间图像，并将获得的中间图像的目标特征进行图像分割，获得目标特征对应的目标图像区域，并对目标图像区域进行融合，获得目标图像，需要说明的是，目标图像是附图2中最下方的人物图像中以阴影方式示出的人脸所在的区域。
72.特别的，在一些特殊图像处理场景，比如遥感图像分割场景，由于遥感图像的特殊性，在对遥感图像进行图像分割的过程中，本身就需要进行切合图的过程，通过将本技术提供的所述多尺度图像分割方法应用于遥感图像分割场景，在切图阶段将遥感图像切分为至少两种切分尺度大小，在合图阶段对至少两种切分尺度的图像分割结果进行融合，实现遥感场景与多尺度图像分割的深度融合，更适合遥感场景的应用，从而能进一步提升遥感图像分割的精度和准确度。
73.本技术实施例所述待处理图像，是指需要进行图像分割处理的图像，比如遥感场景中的遥感图像，再比如附图3所示的人脸识别场景中的人物图像302。
74.步骤s104，按照至少两种切分尺度，将所述待处理图像切分为与至少两种切分尺度对应的子图像。
75.所述切分尺度，是指所述待处理图像进行切分过程中的切分尺寸大小。本步骤中，按照至少两种切分尺度分别对所述待处理图像进行切分，获得每个切分尺度对应的子图
像，此处，每个切分尺度切分后获得的子图像的尺寸大小相等。
76.如附图3所示，人物图像302被切分为4张尺寸大小相等的子图像304，将人物图像302切分为4张尺寸大小相等的子图像304所采用的切分尺度称之为第一切分尺度；人物图像302被切分为9张尺寸大小相等的子图像306，将人物图像302切分为9张尺寸大小相等的子图像306所采用的切分尺度称之为第二切分尺度。类似的，还可以采用其他切分尺度将人物图像302切分为16张、25张或者其他数目的尺寸大小相等的子图像。
77.实际应用中，对所述待处理图像进行至少两种切分尺度切分之后，在切分获得的子图像的基础上进行图像分割，为了提升针对所述待处理图像进行图像分割处理的精度，本技术实施例提供的一种可选实施方式中，在对所述待处理图像进行切分过程中，还可以使切分后的子图像之间存在重叠区域，如附图4所示，相比没有重叠区域的切分方式，这样切分的好处在于，不会切断切分过程中边界区域特征之间的联系，能够通过重叠区域保持切分过程中边界区域的图像特征联系，在此基础上进行图像分割的精度更高。
78.步骤s106，将所述子图像调整至满足预设条件，获得中间图像。
79.在对所述待处理图像进行至少两种切分尺度切分之后，需要对所述子图像进行调整，所述预设条件，是预设的对子图像进行调整所需满足的条件。
80.可选的，采用对每个切分尺度对应的子图像的图像尺寸进行缩/放处理的方式，将至少两种切分尺度对应的子图像调整至同一图像尺寸，从而获得图像尺寸相等的至少两种切分尺度的中间图像，其中，调整后子图像具有同一图像尺寸即为所述预设条件，此外，所述预设条件还可以是调整后的子图像的图像尺寸大小之间的差异满足预设阈值等，在此不做限制。
81.如附图3所示，对切分后的4张尺寸大小相等的子图像304进行图像放大处理，获得4张子图像304各自放大后的中间图像308；以及，对切分后的9张尺寸大小相等的子图像306进行图像放大处理，获得9张子图像306各自放大后的中间图像310，所有中间图像的尺寸相同或差异满足预设阈值，且类似的，对其他数目的尺寸大小相等的子图像进行图像放大处理或者图像缩小处理，获得相应的尺寸相同或者差异满足预设阈值的中间图像。
82.需要说明的是，所述预设条件中涉及的图像尺寸大小可以设为固定值，即将各个切分尺寸对应的子图像放大或者缩小至固定值大小；具体的，此固定值可以根据实际场景需求确定，比如将预设条件的图像尺寸大小设为与待处理图像的尺寸大小相等。
83.本技术实施例提供的一种可选实施方式中，采用如下方式对所述至少两种切分尺度对应的子图像的图像尺寸进行缩/放处理：
84.针对所述至少两种切分尺度中至少一种切分尺度对应的子图像，判断所述切分尺度对应的子图像的图像尺寸是否大于基准图像尺寸；
85.若是，将所述切分尺度对应的子图像的图像尺寸缩小至与所述基准图像尺寸一致，获得所述切分尺度的中间图像；
86.若否，判断所述切分尺度对应的子图像的图像尺度是否小于所述基准图像尺寸；
87.若小于，将所述切分尺寸对应的子图像的图像尺寸放大至与所述基准图像尺寸一致，获得所述切分尺度的中间图像；
88.若不小于，则表明所述子图像的图像尺寸与中间图像的基准图像尺寸一致，不做处理即可。
89.如上所述，在对所述待处理图像进行切分过程中，还可以使切分后的子图像之间存在重叠区域，基于此，对子图像进行放大处理或者缩小处理获得的中间图像中，同样也存在放大处理或者缩小处理后的重叠区域。
90.步骤s108，对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域。
91.本实施例中，对所述中间图像中的目标特征进行图像分割，是指识别中间图形中包含的目标特征所在的目标图像区域，并对目标特征所在的目标图像区域进行分割，具体的，本技术实施例提供的一种可选实施方式中，所述对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域，具体采用如下方式实现：
92.计算所述中间图像包含的最小图像单元为所述目标特征的概率值；
93.选择概率值大于第一概率阈值的最小图像单元组成所述目标特征对应的目标图像区域。
94.针对所述至少两种切分尺度中的多张中间图像，计算这些中间图像包含的最小图像单元为所述目标特征的概率值，并选择概率值大于第一概率阈值的最小图像单元组成中间图像中目标特征对应的目标图像区域。
95.需要说明的是，所述最小图像单元，可以是中间图像包含的单一像素点，还可以是中间图像中多个像素点组成的图像块或者图像区域。在最小图像单元为中间图像中单一像素点的情况下，在对中间图像进行图像分割的过程中，需计算中间图像中每个像素点为目标特征的概率值，从而确定中间图像中概率值大于第一概率阈值的所有像素点组成的目标图像区域，对中间图像进行图像分割处理的精度更高。在最小图像单元为中间图像中多个像素点组成的图像块或者图像区域的情况下，在对中间图像进行图像分割的过程中，需计算中间图像中每个图像块或者图像区域为目标特征的概率值，从而确定中间图像中概率值大于第一概率阈值的所有图像块或者图像区域组成的目标图像区域，能够提升对中间图像进行图像分割处理的效率。
96.具体实施时，为了提升针对中间图像中的目标特征进行的图像分割的效率，节省图像分割处理时间，同时也为了提升针对目标特征进行的图像分割的准确度，本技术实施例提供的一种可选实施方式中，采用图像分割模型实现针对中间图像中目标特征的图像分割这一处理过程，具体是分别将至少两种切分尺度的中间图像输入图像分割模型进行图像分割处理，输出至少两种切分尺度的中间图像中目标特征的目标图像区域。
97.进一步，为了提升针对中间图像中的目标特征进行的图像分割的效率，节省图像分割处理时间，同时也为了提升针对目标特征进行的图像分割的准确度，采用图像分割模型实现针对中间图像中目标特征的图像分割，本技术实施例提供的一种可选实施方式中，图像分割模型对中间图像进行的图像分割，具体采用如下方式进行实现：
98.计算所述中间图像包含的最小图像单元为所述目标特征的概率值；
99.选择概率值大于第一概率阈值的最小图像单元组成所述目标特征对应的目标图像区域。
100.本实施例，对采用图像分割模型实现针对中间图像中目标特征的图像分割的具体实现，与上述对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域的具体实现类似，参照上述对所述中间图像中的目标特征进行图像分割，获得所
述目标特征对应的目标图像区域具体实现即可，在此不再赘述。
101.如附图3所示，对中间图像308和中间图像310进行的图像分割，是指在中间图像308和中间图像310中检测脸部特征，并将在中间图像308和中间图像310检测到的脸部特征进行分割，获得脸部特征对应的目标图像区域；具体是通过计算中间图像中的像素点为脸部特征的概率值，并判断概率值是否大于第一概率阈值来识别像素点是否为脸部特征，如果大于，则表明像素点为脸部特征区域的像素点；如果小于，则表明像素点不是脸部特征区域的像素点，最后，所有中间图像中所有概率值大于第一概率阈值的像素点组成的图像区域，即为中间图像中包含的脸部特征对应的目标图像区域。
102.如上所述，在对所述待处理图像进行切分过程中，还可以使切分后的子图像之间存在重叠区域，并且，对子图像进行放大处理或者缩小处理获得的中间图像中，同样也存在放大处理或者缩小处理后的重叠区域，在这种情况下，重叠区域在多个中间图像中存在，对于重叠区域包含的最小图像单元为所述目标特征的概率值的计算，是将重叠区域包含的最小图像单元在所属的每个中间图像中为所述目标特征的概率值的平均值，作为重叠区域包含的最小图像单元为所述目标特征的概率值，从而来提升重叠区域包含的最小图像单元为所述目标特征的概率值计算的精确度，避免了图像切分对切分边界区域的最小图像单元的影响。
103.本实施例中，通过将切分后的至少两种切分尺度的子图像缩放至统一尺寸大小后进行图像分割处理，基于缩放后获得的至少两种切分尺度的中间图像的尺寸大小相等这一特征，为了提升图像分割的处理效率，本技术实施例提供的一种可选实施方式中，采用批处理的方式在图形处理器上执行所述至少两种切分尺度的中间图像的图像分割处理过程，以此来节省图像分割处理时间。
104.步骤s110，对所述目标图像区域进行融合，获得目标图像。
105.在上述步骤s108对至少两种切分尺度的中间图像的目标特征进行图像分割并获得目标特征对应的目标图像区域的基础上，本步骤中，通过对目标图像区域进行融合，从而获得对待处理图像进行多尺度图像分割生成的目标图像。
106.本技术实施例提供的第一种可选实施方式中，采用如下方式对目标图像区域进行融合：
107.1)根据所述目标图像区域包含的最小图像单元的概率值，计算所述待处理图像包含的最小图像单元的优化概率值；
108.具体的，所述最小图像单元的概率值是指上述最小图像单元为目标特征的概率值；可选的，所述优化概率值，是指多个尺度的目标图像区域包含的最小图像单元的概率值的加权平均值；
109.2)在所述待处理图像中分割出优化概率值大于第二概率阈值的最小图像单元组成目标图像区域，获得所述目标图像。
110.沿用上例，将获得脸部特征对应的目标图像区域进行融合，具体是根据目标图像区域中的像素点为脸部特征的概率值，计算加权平均值，获得人物图像中包含的像素点的优化概率值，在计算优化概率值的基础上，将人物图像中概率值大于第二概率阈值的像素点组成的目标图像区域分割出来，获得如附图3中目标图像316中以阴影方式示出的人物图像中人脸所在的区域。
111.类似的，除上述提供的对目标图像区域的融合方式之外，本技术实施例提供的第二种可选实施方式中，所述对所述目标图像区域进行融合，获得目标图像，具体采用如下方式实现：
112.根据所述子图像与所述中间图像的一一对应关系，确定每种切分尺度对应的中间图像进行图像分割后获得的目标图像区域；
113.对每种切分尺度对应的中间图像进行图像分割后获得的目标图像区域进行图像合并，获得每种切分尺度对应的合并图像区域；
114.对所述至少两种切分尺度对应的合并图像区域进行融合，获得所述目标图像。
115.具体的，所述合并图像区域，是指将在每种切分尺度对应的目标图像区域进行图像合并，获得的每种切分尺度对应的合并图像区域。实际应用中，在上述对至少两种切分尺度的中间图像的目标特征进行图像分割并获得目标特征对应的目标图像区域的基础上，在获得的目标特征对应的目标图像区域中，根据子图像与中间图像的一一对应关系，确定每种切分尺度对应的中间图像进行图像分割后获得的目标图像区域，进而将在每种切分尺度对应的目标图像区域进行图像合并，获得每种切分尺度对应的合并图像区域，并将至少两种切分尺度中各种切分尺度对应的合并图像区域进行融合，获得目标图像。
116.沿用上例，在上述对中间图像中目标特征进行分割获得的目标图像区域中，如附图3示出的根据子图像304与中间图像308的一一对应关系，确定对4张中间图像308进行图像分割后获得脸部特征对应的目标图像区域，即第一切分尺度对应的目标图像区域，以及根据子图像306与中间图像310的一一对应关系，确定对9张中间图像310进行图像分割后获得脸部特征对应的目标图像区域，即第二切分尺度对应的目标图像区域，将第一切分尺度对应的目标图像区域进行图像合并获得一个合并图像区域(具体是以在图像312中人脸所在的区域添加阴影的方式示出)，并第二切分尺度对应的目标图像区域进行图像合并获得一个合并图像区域(具体是以在图像314中人脸所在的区域添加阴影的方式示出)，对两个合并图像区域进行融合，融合后获得目标图像316中以阴影方式示出的人物图像中人脸所在的区域。
117.本实施例，通过将在每种切分尺度对应的中间图像进行图像分割后获得的目标图像区域进行图像合并，获得每种切分尺度对应的合并图像区域，对每种切分尺度的切分情况更加直观并易于对比。
118.进一步，在上述提供的第二种可选实施方式的基础上，对至少两种切分尺度对应的合并图像区域进行融合，提升了图像分割过程中的识别准确度，从而提升图像分割的精度效果，本技术实施例提供的第一种可选实施方式中，对所述至少两种切分尺度对应的合并图像区域进行融合，获得所述目标图像，具体采用如下方式实现：
119.根据所述合并图像区域包含的最小图像单元的概率值，计算所述待处理图像包含的最小图像单元的优化概率值；
120.在所述待处理图像中分割出优化概率值大于第二概率阈值的最小图像单元组成目标图像区域，作为所述目标图像。
121.可选的，所述优化概率值，是指多个尺度的合并图像区域包含的最小图像单元的概率值的加权平均值。
122.具体的，根据所述合并图像区域包含的最小图像单元的概率值，计算所述待处理
图像包含的最小图像单元的优化概率值的具体实现，与上述根据所述目标图像区域包含的最小图像单元的概率值，计算所述待处理图像包含的最小图像单元的优化概率值的具体实现类似，参照上述根据所述目标图像区域包含的最小图像单元的概率值，计算所述待处理图像包含的最小图像单元的优化概率值的具体实现即可，在此不再赘述。
123.沿用上例，对上述两个合并图像区域进行融合，具体是根据这两个合并图像区域中的像素点为脸部特征的概率值，计算加权平均值，获得人物图像中包含的像素点的优化概率值，在计算优化概率值的基础上，将人物图像中优化概率值大于第二概率阈值的像素点组成的目标图像区域分割出来，获得附图3中目标图像316中以阴影方式示出的人物图像中人脸所在的区域。
124.综上所述，本技术提供的多尺度图像分割方法，按照至少两种切分尺度分别对待处理图像进行切分，切分为与至少两种切分尺度对应的子图像，然后将切分后获得的至少两种切分尺度下的子图像调整至相同尺寸之后，对调整后获得的中间图像的目标特征进行图像分割，获得目标特征对应的目标图像区域，最后将目标图像区域进行融合，以此来提升图像分割过程中的识别准确度，从而提升图像分割的精度效果。
125.下述结合附图5，以本说明书提供的多尺度图像分割方法在器官组织分割场景中的应用为例，对所述多尺度图像分割方法进行进一步说明。其中，图5示出了本说明书一个实施例提供的一种应用于器官组织分割场景的多尺度图像分割方法的处理流程图，具体步骤包括步骤s502至步骤s516。
126.步骤s502，获取断层扫描图像。
127.具体的，此断层扫描图片，是指器官组织的断层扫描图片，此器官组织可以是人或动物的肺部、肾脏或肝脏等器官组织。
128.步骤s504，按照至少两种切分尺度，将断层扫描图像切分为与至少两种切分尺度对应的子图像。
129.步骤s506，针对至少两种切分尺度中至少一种切分尺度对应的子图像，判断切分尺度对应的子图像的图像尺度是否小于基准图像尺寸；
130.若是，表明此切分尺度对应的子图像的图像尺寸需要放大，执行下述步骤s508；
131.若否，表明此切分尺度对应的子图像的图像尺寸无需放大。
132.步骤s508，将切分尺寸对应的子图像的图像尺寸放大至与基准图像尺寸一致，获得切分尺度的中间图像。
133.步骤s510，计算中间图像包含的最小图像单元为中间图像中目标特征的概率值。
134.步骤s512，选择概率值大于第一概率阈值的最小图像单元组成目标特征对应的目标图像区域。
135.具体的，步骤s510以及步骤s512可以采用图像分割模型实现；
136.其中，所述图像分割模型的输入为所述中间图像，输出为所述目标特征对应的目标图像区域。
137.步骤s514，根据目标图像区域包含的最小图像单元的概率值，计算断层扫描图像包含的最小图像单元的优化概率值。
138.具体的，最小图像单元的概率值是指上述步骤中最小图像单元为目标特征的概率值；所述优化概率值，包括：所述至少两种切分尺度的目标图像区域包含的最小图像单元的
概率值的加权平均值。
139.步骤s516，在断层扫描图片中分割出优化概率值大于第二概率阈值的最小图像单元组成目标图像区域，作为断层扫描图片中的器官组织。
140.综上所述，所述多尺度图像分割方法，按照至少两种切分尺度分别对断层扫描图片进行切分，切分为与至少两种切分尺度对应的子图像，然后将切分后获得的至少两种切分尺度下的子图像调整至相同尺寸之后，对调整后获得的中间图像的目标特征进行图像分割，获得目标特征对应的目标图像区域，最后将目标图像区域进行融合，以此来提升图像分割过程中的识别准确度，从而提升图像分割的精度效果。
141.本技术提供的一种多尺度图像分割装置实施例如下：
142.在上述的实施例中，提供了一种多尺度图像分割方法，与之相对应的，还提供了一种多尺度图像分割装置，下面结合附图进行说明。
143.参照附图6，其示出了本实施例提供的一种多尺度图像分割装置的示意图。
144.由于装置实施例对应于方法实施例，所以描述得比较简单，相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
145.本技术提供一种多尺度图像分割装置，包括：
146.图像获取模块602，被配置为获取待处理图像；
147.图像切分模块604，被配置为按照至少两种切分尺度，将所述待处理图像切分为与至少两种切分尺度对应的子图像；
148.子图像调整模块606，被配置为将所述子图像调整至满足预设条件，获得中间图像；
149.图像分割模块608，被配置为对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域；
150.区域融合模块610，被配置为对所述目标图像区域进行融合，获得目标图像。
151.可选的，所述图像分割模块608，包括：
152.计算概率值子模块，被配置为计算所述中间图像包含的最小图像单元为所述目标特征的概率值；
153.选择区域子模块，被配置为选择概率值大于第一概率阈值的最小图像单元组成所述目标特征对应的目标图像区域。
154.可选的，所述区域融合模块610，包括：
155.计算优化概率值子模块，被配置为根据所述目标图像区域包含的最小图像单元的概率值，计算所述待处理图像包含的最小图像单元的优化概率值；
156.分割区域子模块，被配置为在所述待处理图像中分割出优化概率值大于第二概率阈值的最小图像单元组成目标图像区域，作为所述目标图像。
157.可选的，所述区域融合模块610，包括：
158.确定区域子模块，被配置为根据所述子图像与所述中间图像的一一对应关系，确定每种切分尺度对应的中间图像进行图像分割后获得的目标图像区域；
159.图像合并子模块，被配置为对每种切分尺度对应的中间图像进行图像分割后获得的目标图像区域进行图像合并，获得每种切分尺度对应的合并图像区域；
160.图像区域融合子模块，被配置为对所述至少两种切分尺度对应的合并图像区域进
行融合，获得所述目标图像。
161.可选的，所述图像区域融合子模块，包括：
162.计算优化概率值单元，被配置为根据所述合并图像区域包含的最小图像单元的概率值，计算所述待处理图像包含的最小图像单元的优化概率值；
163.分割区域单元，被配置为在所述待处理图像中分割出优化概率值大于第二概率阈值的最小图像单元组成目标图像区域，作为所述目标图像。
164.可选的，所述优化概率值，包括：所述至少两种切分尺度的目标图像区域包含的最小图像单元的概率值的加权平均值。
165.可选的，所述图像分割模块608，采用图像分割模型实现；
166.其中，所述图像分割模型的输入为所述中间图像，输出为所述目标特征对应的目标图像区域。
167.可选的，所述图像分割模型针对所述中间图像进行的图像分割，包括：
168.计算所述中间图像包含的最小图像单元为所述目标特征的概率值；
169.选择概率值大于第一概率阈值的最小图像单元组成所述目标特征对应的目标图像区域。
170.可选的，所述至少两种切分尺度中任意一种切分尺度对应的子图像之间存在重叠区域，所述任意一种切分尺度的中间图像之间存在重叠区域；
171.相应的，所述重叠区域包含的最小图像单元为所述目标特征的概率值，是指所述重叠区域包含的最小图像单元在所属的中间图像中为所述目标特征的概率值的平均值。
172.可选的，所述子图像调整模块606，具体被配置为对所述至少两种切分尺度对应的子图像的图像尺寸进行缩/放处理，获得图像尺寸相等的至少两种切分尺度的中间图像。
173.可选的，所述子图像调整模块606，包括：
174.第一判断子模块，被配置为针对所述至少两种切分尺度中至少一种切分尺度对应的子图像，判断所述切分尺度对应的子图像的图像尺寸是否大于基准图像尺寸；
175.若是，运行图像缩小子模块；所述图像缩小子模块，被配置为将所述切分尺度对应的子图像的图像尺寸缩小至与所述基准图像尺寸一致，获得所述切分尺度的中间图像；
176.若否，运行第二判断子模块；所述第二判断子模块，被配置为判断所述切分尺度对应的子图像的图像尺度是否小于所述基准图像尺寸；
177.若小于，运行图像放大子模块；所述图像放大子模块，被配置为将所述切分尺寸对应的子图像的图像尺寸放大至与所述基准图像尺寸一致，获得所述切分尺度的中间图像。
178.可选的，所述图像分割模块608，采用批处理的方式在图形处理器上执行。
179.可选的，所述待处理图像包括遥感图像；
180.所述遥感图像包含的最小图像单元，包括所述遥感图像中的像素单元。
181.本技术提供的一种计算设备实施例如下：
182.图7是示出了根据本技术一个实施例提供的计算设备700的结构框图。该计算设备700的部件包括但不限于存储器710和处理器720。处理器720与存储器710通过总线730相连接，数据库750用于保存数据。
183.计算设备700还包括接入设备740，接入设备740使得计算设备700能够经由一个或多个网络760通信。这些网络的示例包括公用交换电话网(pstn)、局域网(lan)、广域网
(wan)、个域网(pan)或诸如因特网的通信网络的组合。接入设备740可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(nic))中的一个或多个，诸如ieee802.11无线局域网(wlan)无线接口、全球微波互联接入(wi-max)接口、以太网接口、通用串行总线(usb)接口、蜂窝网络接口、蓝牙接口、近场通信(nfc)接口，等等。
184.在本技术的一个实施例中，计算设备700的上述部件以及图7中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图7所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
185.计算设备700可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或pc的静止计算设备。计算设备700还可以是移动式或静止式的服务器。
186.本技术提供一种计算设备，包括存储器710、处理器720及存储在存储器上并可在处理器上运行的计算机指令，所述处理器720用于执行如下计算机可执行指令：
187.获取待处理图像；
188.按照至少两种切分尺度，将所述待处理图像切分为与至少两种切分尺度对应的子图像；
189.将所述子图像调整至满足预设条件，获得中间图像；
190.对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域；
191.对所述目标图像区域进行融合，获得目标图像。
192.可选的，所述对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域，包括：
193.计算所述中间图像包含的最小图像单元为所述目标特征的概率值；
194.选择概率值大于第一概率阈值的最小图像单元组成所述目标特征对应的目标图像区域。
195.可选的，所述对所述目标图像区域进行融合，获得目标图像，包括：
196.根据所述目标图像区域包含的最小图像单元的概率值，计算所述待处理图像包含的最小图像单元的优化概率值；
197.在所述待处理图像中分割出优化概率值大于第二概率阈值的最小图像单元组成目标图像区域，作为所述目标图像。
198.可选的，所述对所述目标图像区域进行融合，获得目标图像，包括：
199.根据所述子图像与所述中间图像的一一对应关系，确定每种切分尺度对应的中间图像进行图像分割后获得的目标图像区域；
200.对每种切分尺度对应的中间图像进行图像分割后获得的目标图像区域进行图像合并，获得每种切分尺度对应的合并图像区域；
201.对所述至少两种切分尺度对应的合并图像区域进行融合，获得所述目标图像。
202.可选的，所述对所述至少两种切分尺度对应的合并图像区域进行融合，获得所述
目标图像，包括：
203.根据所述合并图像区域包含的最小图像单元的概率值，计算所述待处理图像包含的最小图像单元的优化概率值；
204.在所述待处理图像中分割出优化概率值大于第二概率阈值的最小图像单元组成目标图像区域，作为所述目标图像。
205.可选的，所述优化概率值，包括：所述至少两种切分尺度的目标图像区域包含的最小图像单元的概率值的加权平均值。
206.可选的，所述对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域步骤，采用图像分割模型实现；
207.其中，所述图像分割模型的输入为所述中间图像，输出为所述目标特征对应的目标图像区域。
208.可选的，所述图像分割模型针对所述中间图像进行的图像分割，包括：
209.计算所述中间图像包含的最小图像单元为所述目标特征的概率值；
210.选择概率值大于第一概率阈值的最小图像单元组成所述目标特征对应的目标图像区域。
211.可选的，所述至少两种切分尺度中任意一种切分尺度对应的子图像之间存在重叠区域，所述任意一种切分尺度的中间图像之间存在重叠区域；
212.相应的，所述重叠区域包含的最小图像单元为所述目标特征的概率值，是指所述重叠区域包含的最小图像单元在所属的中间图像中为所述目标特征的概率值的平均值。
213.可选的，所述将所述子图像调整至满足预设条件，获得中间图像，包括：
214.对所述至少两种切分尺度对应的子图像的图像尺寸进行缩/放处理，获得图像尺寸相等的至少两种切分尺度的中间图像。
215.可选的，所述对所述至少两种切分尺度对应的子图像的图像尺寸进行缩/放处理，获得图像尺寸相等的至少两种切分尺度的中间图像，包括：
216.针对所述至少两种切分尺度中至少一种切分尺度对应的子图像，判断所述切分尺度对应的子图像的图像尺寸是否大于基准图像尺寸；
217.若是，将所述切分尺度对应的子图像的图像尺寸缩小至与所述基准图像尺寸一致，获得所述切分尺度的中间图像；
218.若否，判断所述切分尺度对应的子图像的图像尺度是否小于所述基准图像尺寸；
219.若小于，将所述切分尺寸对应的子图像的图像尺寸放大至与所述基准图像尺寸一致，获得所述切分尺度的中间图像。
220.可选的，所述对所述中间图像中的目标特征进行图像分割，获得所述目标特征对应的目标图像区域步骤，采用批处理的方式在图形处理器上执行。
221.可选的，所述待处理图像包括遥感图像；
222.所述遥感图像包含的最小图像单元，包括所述遥感图像中的像素单元。
223.本技术提供的一种计算机可读存储介质实施例如下：
224.本技术一个实施例提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现所述多尺度图像分割方法的步骤。
225.上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存
储介质的技术方案与上述的多尺度图像分割方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述多尺度图像分割方法的技术方案的描述。
226.上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
227.所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
228.需要说明的是，对于前述的各方法实施例，为了简便描述，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，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。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都是本说明书实施例所必须的。
229.在上述实施例中，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，可以参见其它实施例的相关描述。
230.以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。