技术特征：
1.一种复杂场景图像中的小目标语义分割方法，其特征在于，包括以下内容：建立特征库:选取不同尺寸，且相同类型的场景的图片，基于深度学习算法对图片进行识别，存储特征信息；设置分割参数：导入目标图片，并获取图片的尺像素寸(x，y)，同时输入最小分割单元(x，y)；圈割识别区域：以整个图像的像素尺寸作为分割单元，并且以像素原点和分割单元原点重合为起点，若当前的分割单元x
当
≥x，则换行识别，若不满足，则进行x方向的移位继续圈割；换行则在y方向上移位，并且在y方向上移位一次后，继续进行x方向的移位圈割，重复上述过程，直至x
当
≥x、y
当
≥y，进行分割单元尺寸的变换；即通过减小当前分割单元(x
当
，y
当
)的尺寸，重复上述过程，直至x
当
＜x，y
当
＜y结束圈割；比对识别：每次圈割后，对所圈割区域参照特征库进行图像识别，并获取轮廓信息；分割图像：对获得轮廓向外移动一个像素获得新的轮廓边线，并将轮廓边线坐标映射至目标图片中，并对轮廓内的图像进行单独保存。2.根据权利要求1所述的一种复杂场景图像中的小目标语义分割方法，其特征在于：所述圈割识别区域中，每次圈割区域时，需要判断当前圈割区域和已经识别物体的轮廓之间的重合度，若重合度大于设定的阈值，则舍弃当前圈割区域。3.根据权利要求2所述的一种复杂场景图像中的小目标语义分割方法，其特征在于：所述重合度采用当前圈割区域和已经识别物体的轮廓之间像素重合数量除以当前圈割区域内所有像素数量。4.根据权利要求1所述的一种复杂场景图像中的小目标语义分割方法，其特征在于：所述圈割识别区域中，x方向的移位的数值为x
当
/2-1，y方向的移位的数值为y
当
/2-1。5.根据权利要求1所述的一种复杂场景图像中的小目标语义分割方法，其特征在于：所述圈割识别区域中，分割单元尺寸变换方式则是(x
当-x/2+1，y
当-y/2+1)。6.根据权利要求1所述的一种复杂场景图像中的小目标语义分割方法，其特征在于：所述分割图像中，保存轮廓参数，并通过轮廓参数将保存的图片和原图片构建父子关系。7.一种复杂场景图像中的小目标语义分割的系统，其特征在于，包括以根据权利要求1-6任意一项所撰写的程序和该程序运行的硬件环境。
技术总结
本发明提供一种复杂场景图像中的小目标语义分割方法及系统，涉及图像处理技术领域。该种复杂场景图像中的小目标语义分割方法，包括以下内容，建立特征库:选基于深度学习算法对图片进行识别，存储特征信息；设置分割参数：图片的尺像素寸和输入最小分割单元；圈割识别区域：以整个图像的像素尺寸作为分割单元，并且以像素原点和分割单元原点重合为起点，在X方向和Y方向上圈割，并进行分割单元尺寸的变换，直至结束圈割；比对识别：每次圈割后，进行图像识别；分割图像：识别的目标图像进行单独保存。逐步圈选进行图像识别，充分识别图片中的目标。的目标。的目标。
技术研发人员：李卫民 王海滨 董超 高永菊 许红培 井焜 沈国栋
受保护的技术使用者：神思电子技术股份有限公司
技术研发日：2022.03.30
技术公布日：2022/6/28