CN114299088B 图像处理方法及装置 （北京达佳互联信息技术有限公司）

像对应的像素分类图、第一透明度图和掩膜图图进行融合处理，生成输入图像的第三透明度2基于所述掩膜图像、所述像素分类图和所述第一透明度图对基于所述掩膜图像对所述第一透明度图和所述第二透明度图素分类图和所述第一透明度图对所述输入图像基于所述掩膜图像分别确定所述输入图像、所述像素分类图和将所述输入图像的待优化的区域、所述像素分类图的待优化的区域和通过将所述全局信息输入到预设的局部特征增强网络中来对所述输入图像进行局部将所述掩膜图像中每个像素的掩膜值确定为所述第二透明度图中每个将预设值与所述掩膜图像中每个像素的掩膜值的差值确定为所述第一透明度图中每基于所述第一透明度图中每个像素的权重以及所述第二透明度图中每个像素的权重获取所述输入图像的像素分类图以及所述输入图像的第一透从所述降采样图像获取所述输入图像的像素分类图以及所述输入图像的第一透明度基于所述至少一个层次的语义特征预测所述输入图像中的待分割对象的位置和待分3将待分割对象的位置和待分割对象的边界进行融合，将融合结果进基于所述至少一个层次的语义特征预测所述输入图像中的每个像素的基于所述输入图像中的每个像素的类别确定所述降采样图像的输入图像的像素分类图以及所述输入图像的第一透明度基于预设的全局网络从所述降采样图像获取所述输入图像的像素分类图以及所述输所述编码器被配置为提取降采样图像的至少一个层次所述解码器被配置为使用六个层级来分步进行特征重建，其中，所述解获取单元，被配置为获取输入图像以及所述输入图像对应的像素第二透明度图生成单元，被配置为基于所述掩膜图像、所第三透明度图生成单元，被配置为基于所述掩膜图像对所述第基于所述掩膜图像分别确定所述输入图像、所述像素分类图和4将所述输入图像的待优化的区域、所述像素分类图的待优化的区域和通过将所述全局信息输入到预设的局部特征增强网络中来对所述输入图像进行局部将所述掩膜图像中每个像素的掩膜值确定为所述第二透明度图中每个将预设值与所述掩膜图像中每个像素的掩膜值的差值确定为所述第一透明度图中每基于所述第一透明度图中每个像素的权重以及所述第二透明度图中每个像素的权重获取所述输入图像的像素分类图以及所述输入图像的从所述降采样图像获取所述输入图像的像素分类图以及所述输入图像的第一透明度基于所述至少一个层次的语义特征预测所述输入图像中的待分割对象的位置和待分将待分割对象的位置和待分割对象的边界进行融合，将融合结果进基于所述至少一个层次的语义特征预测所述输入图像中的每个像素的基于所述输入图像中的每个像素的类别确定所述降采样图像的基于预设的全局网络从所述降采样图像获取所述输入图像的像素分类图以及所述输所述编码器被配置为提取降采样图像的至少一个层次所述解码器被配置为使用六个层级来分步进行特征重建，其中，所述解5电子设备的处理器执行时，使得电子设备执行如权利要求1至11中任一项所述的图像处理6的质量参差不齐，对这些外部线索的依赖往往会导致预测结果不稳定或应用场景有局限。[0004]尽管如此，相关的人像抠图方法主要针对低/中分辨率图像(通常不高于1080p7[0011]可选地，所述从所述降采样图像获取所述输入图像像的至少一个层次的语义特征，所述解码器被配置为使用六个层级来分步进行特征重建，道注意力权重用于与局部特征相乘以将全局信息中的前景信息和背景信息编码到局部特8于所述至少一个层次的语义特征预测所述输入图像中的待分割对象的位置和待分割对象入图像的像素分类图以及所述输入图像的第一透像的至少一个层次的语义特征，所述解码器被配置为使用六个层级来分步进行特征重建，9道注意力权重用于与局部特征相乘以将全局信息中的前景信息和背景信息编码到局部特[0039]图4A示出了根据本公开的示例性实施例的图像处理框架中的局部特征增强网络[0040]图4B示出了根据本公开的示例性实施例的局部特征增强网络中的带掩膜的收缩像素的类别，区分一个像素是透明像素(即透明度值介于0和1之间)还是非透明像素(即透掩膜图像中的未知区域就定义了需要重新优化的[0062]在本公开的示例性实施例中，在从降采样图像获取输入框架可适用于超高分辨率图片。在图3中，图像处理框架为高效人像抠图网络(efficient[0075]如图3所示，多尺度多任务的全局网络中的解码器使用六个级别来分步进行特征像抠图时，可使用最小化绝对误差损失(L1损失)但只对边界区域监督；监督最终结果Ai[0076]在多尺度多任务的全局网络的解码器中还可预测像素分类图(在图3中将像素分[0078]在超高分辨率图像中，观察到的大多数图像区域由确定的背景或前景像素(透明块区域重新细化后替换掉粗糙透明度图中的相应区域。然而当输入图像为超高分辨率时，[0086]图4A示出了根据本公开的示例性实施例的图像处理框架中的局部特征增强网络[0087]局部特征增强网络可以是一个类似U形网络(UshapeNetwork，简称U-Net)的抠明度图)里未知区域对应的部分是通过由掩膜图像(在图3中将掩膜图像标记为g)中的未知[0090]由于在本公开的示例性实施例中并未对多尺度多任务的全局网络以及局部特征增强网络中的自动编码-解码器的网络结构做特殊设计，因此可根据不同应用场景切换不[0091]以上已经结合图1至图4B对根据本公开的示例性实施例的图像处理方法进行了描述。在下文中，将参照图5对根据本公开的示例性实施例的图像处理装置及其单元进行描采样图像获取输入图像的像素分类图以及输入图像的第一[0105]第三透明度图生成单元53被配置为基于掩膜图像对第一透明度图和第二透明度[0109]以上已经结合图5对根据本公开的示例性实施例的图像处理装置进行了描述。接一个存储器601中存储有计算机可执行指令集合，当计算机可执行指令集合被至少一个处[0119]以上已参照图1至图6描述了根据本公开的示例性实施例的图像处理方法及装者适应性变化遵循本公开