圖像處理方法、圖像處理裝置以及存儲介質(zhì)制造方法及圖紙

一種圖像處理方法、圖像處理裝置、訓(xùn)練方法及存儲介質(zhì)。該圖像處理裝置包括：深度特征提取器，配置為獲取待識別圖像的深度特征，識別圖像為醫(yī)學(xué)圖像；專家特征提取器，配置為獲取待識別圖像的專家特征；融合處理器，配置為融合深度特征以及專家特征，以獲得待識別圖像的融合特征；和分類處理器，配置為根據(jù)待識別圖像的融合特征對待識別圖像進行分類。

Image processing method, image processing device and storage medium

【技術(shù)實現(xiàn)步驟摘要】
圖像處理方法、圖像處理裝置以及存儲介質(zhì)
本公開的實施例涉及一種圖像處理方法、圖像處理裝置以及存儲介質(zhì)。
技術(shù)介紹
圖像分類是指根據(jù)一定的分類規(guī)則將輸入圖像自動分到一組預(yù)定義類別中。例如，根據(jù)圖像中包含的語義信息，可以對輸入圖像進行對象分類、場景分類等。例如，可以識別輸入圖像中包含的預(yù)設(shè)的目標(biāo)對象，并根據(jù)識別的對象進行分類。又例如，也可以根據(jù)輸入圖像中的語義信息將具有相似內(nèi)容的圖像劃分成相同的類別。
技術(shù)實現(xiàn)思路
本公開至少一實施例提供一種圖像處理裝置，包括：深度特征提取器，配置為獲取待識別圖像的深度特征，所述待識別圖像為醫(yī)學(xué)圖像；專家特征提取器，配置為獲取所述待識別圖像的專家特征；融合處理器，配置為融合所述深度特征以及所述專家特征，以獲得所述待識別圖像的融合特征；分類處理器，配置為根據(jù)所述待識別圖像的融合特征對所述待識別圖像進行分類。例如，本公開至少一實施例提供的圖像處理裝置，還包括：無監(jiān)督特征提取器，配置為獲取所述待識別圖像的無監(jiān)督特征；所述融合處理器還配置為融合所述深度特征、所述專家特征以及所述無監(jiān)督特征，以獲得所述待識別圖像的融合特征。例如，在本公開至少一實施例提供的圖像處理裝置中，所述深度特征提取器還配置為利用深度神經(jīng)網(wǎng)絡(luò)獲取所述待識別圖像的深度特征。例如，在本公開至少一實施例提供的圖像處理裝置中，所述專家特征提取器還配置為基于根據(jù)醫(yī)學(xué)圖像數(shù)據(jù)獲得的經(jīng)驗公式、規(guī)則和特征值，提取所述待識別圖像的專家特征。例如，在本公開至少一實施例提供的圖像處理裝置中，所述專家特征的類別包括統(tǒng)計、形態(tài)、時域和頻域中的至少之一。例如，在本公開至少一實施例提供的圖像處理裝置中，所述無監(jiān)督特征提取器還配置為在所述基于無監(jiān)督特征提取器獲取所述待識別圖像的無監(jiān)督特征之前，利用主成分分析法、隨機投影法和序列自動編碼器中的至少之一訓(xùn)練得到所述無監(jiān)督特征提取器。例如，在本公開至少一實施例提供的圖像處理裝置中，所述融合處理器還配置為：拼接所述深度特征、所述專家特征以及所述無監(jiān)督特征，以獲得所述融合特征。例如，在本公開至少一實施例提供的圖像處理裝置中，所述融合處理器還配置為：分別對所述深度特征、所述專家特征與所述無監(jiān)督特征進行全局池化操作和均值池化操作，以分別獲取所述深度特征的全局向量和均值向量、所述專家特征的全局向量和均值向量以及所述無監(jiān)督特征的全局向量和均值向量；拼接所述深度特征的全局向量和均值向量的至少之一、所述專家特征的全局向量和均值向量的至少之一以及所述無監(jiān)督特征的全局向量和均值向量的至少之一，以獲得所述融合特征。例如，在本公開至少一實施例提供的圖像處理裝置中，所述分類處理器還配置為：根據(jù)所述待識別圖像的融合特征判斷所述待識別圖像是否包含房顫特征。本公開至少一實施例提供一種圖像處理方法，包括：基于深度特征提取器獲取待識別圖像的深度特征,所述待識別圖像為醫(yī)學(xué)圖像；基于專家特征提取器獲取所述待識別圖像的專家特征；融合所述深度特征以及所述專家特征，以獲得所述待識別圖像的融合特征；根據(jù)所述待識別圖像的融合特征對所述待識別圖像進行分類。例如，本公開至少一實施例提供的圖像處理方法，還包括基于無監(jiān)督特征提取器獲取所述待識別圖像的無監(jiān)督特征；融合所述深度特征、所述專家特征以及所述無監(jiān)督特征，以獲得所述待識別圖像的融合特征。例如，在本公開至少一實施例提供的圖像處理方法中，融合所述深度特征、所述專家特征以及所述無監(jiān)督特征，以獲得所述待識別圖像的融合特征，包括：拼接所述深度特征、所述專家特征以及所述無監(jiān)督特征，以獲得所述融合特征。例如，在本公開至少一實施例提供的圖像處理方法中，融合所述深度特征、所述專家特征以及所述無監(jiān)督特征，以獲得所述待識別圖像的融合特征，包括：分別對所述深度特征、所述專家特征與所述無監(jiān)督特征進行全局池化操作和均值池化操作，以分別獲取所述深度特征的全局向量和均值向量、所述專家特征的全局向量和均值向量以及所述無監(jiān)督特征的全局向量和均值向量；拼接所述深度特征的全局向量和均值向量的至少之一、所述專家特征的全局向量和均值向量的至少之一以及所述無監(jiān)督特征的全局向量和均值向量的至少之一，以獲得所述融合特征。本公開至少一實施例還提供一種圖像處理裝置，包括：處理器；存儲器；一個或多個計算機程序模塊，所述一個或多個計算機程序模塊被存儲在所述存儲器中并被配置為由所述處理器執(zhí)行，所述一個或多個計算機程序模塊包括用于執(zhí)行實現(xiàn)本公開任一實施例提供的圖像處理方法的指令。本公開至少一實施例還提供一種存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機可讀指令，當(dāng)所述計算機可讀指令由處理器執(zhí)行時可以執(zhí)行本公開任一實施例提供的圖像處理方法。附圖說明為了更清楚地說明本公開實施例的技術(shù)方案，下面將對實施例的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅涉及本公開的一些實施例，而非對本公開的限制。圖1A為本公開至少一實施例提供的一種圖像處理方法的流程圖；圖1B示出了根據(jù)本公開實施例的圖像處理系統(tǒng)的示例性的場景圖；圖2為本公開至少一實施例提供的一種深度特征的提取示意圖；圖3A為本公開至少一實施例提供的一種融合操作的流程圖；圖3B為本公開至少一實施例提供的一種融合操作的示意圖；圖4為本公開至少一實施例提供的另一種圖像處理方法的流程圖；圖5為本公開至少一實施例提供的另一種融合操作的示意圖；圖6為本公開至少一實施例提供的一種圖像處理裝置的示意框圖；圖7為本公開至少一實施例提供的另一種圖像處理裝置的示意框圖；圖8為本公開至少一實施例提供的另一種圖像處理裝置的示意框圖；圖9為本公開至少一實施例提供的一種電子設(shè)備的示意圖；以及圖10為本公開至少一實施例提供的一種存儲介質(zhì)的示意圖。具體實施方式為使本公開實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本公開實施例的附圖，對本公開實施例的技術(shù)方案進行清楚、完整地描述。顯然，所描述的實施例是本公開的一部分實施例，而不是全部的實施例。基于所描述的本公開的實施例，本領(lǐng)域普通技術(shù)人員在無需創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本公開保護的范圍。除非另外定義，本公開使用的技術(shù)術(shù)語或者科學(xué)術(shù)語應(yīng)當(dāng)為本公開所屬領(lǐng)域內(nèi)具有一般技能的人士所理解的通常意義。本公開中使用的“第一”、“第二”以及類似的詞語并不表示任何順序、數(shù)量或者重要性，而只是用來區(qū)分不同的組成部分。同樣，“一個”、“一”或者“該”等類似詞語也不表示數(shù)量限制，而是表示存在至少一個?！鞍ā被蛘摺鞍钡阮愃频脑~語意指出現(xiàn)該詞前面的元件或者物件涵蓋出現(xiàn)在該詞后面列舉的元件或者物件及其等同，而不排除其他元件或者物件。“連接”或者“相連”等類似的詞語并非限定于物理的或者機械的連接，而是可以包括電性的連接，不管是直接的還是間接的?！吧稀薄ⅰ跋隆?、“左”、“右”等僅用于表示相對位置關(guān)系，當(dāng)被描述對象的絕對位置改變后，則該相對位置關(guān)系也可能相應(yīng)地改變。心電圖(ele本文檔來自技高網(wǎng)...

【技術(shù)保護點】
1.一種圖像處理裝置，包括：/n深度特征提取器，配置為獲取待識別圖像的深度特征，其中，所述待識別圖像為醫(yī)學(xué)圖像；/n專家特征提取器，配置為獲取所述待識別圖像的專家特征；/n融合處理器，配置為融合所述深度特征以及所述專家特征，以獲得所述待識別圖像的融合特征；/n分類處理器，配置為根據(jù)所述待識別圖像的融合特征對所述待識別圖像進行分類。/n

【技術(shù)特征摘要】
1.一種圖像處理裝置，包括：
深度特征提取器，配置為獲取待識別圖像的深度特征，其中，所述待識別圖像為醫(yī)學(xué)圖像；
專家特征提取器，配置為獲取所述待識別圖像的專家特征；
融合處理器，配置為融合所述深度特征以及所述專家特征，以獲得所述待識別圖像的融合特征；
分類處理器，配置為根據(jù)所述待識別圖像的融合特征對所述待識別圖像進行分類。


2.根據(jù)權(quán)利要求1所述的圖像處理裝置，還包括：
無監(jiān)督特征提取器，配置為獲取所述待識別圖像的無監(jiān)督特征；
其中，所述融合處理器還配置為融合所述深度特征、所述專家特征以及所述無監(jiān)督特征，以獲得所述待識別圖像的融合特征。


3.根據(jù)權(quán)利要求1或2所述的圖像處理裝置，其中，所述深度特征提取器還配置為利用深度神經(jīng)網(wǎng)絡(luò)獲取所述待識別圖像的深度特征。


4.根據(jù)權(quán)利要求1或2所述的圖像處理裝置，其中，所述專家特征提取器還配置為基于根據(jù)醫(yī)學(xué)圖像數(shù)據(jù)獲得的經(jīng)驗公式、規(guī)則和特征值，提取所述待識別圖像的專家特征。


5.根據(jù)權(quán)利要求1或2所述的圖像處理裝置，其中，所述專家特征的類別包括統(tǒng)計、形態(tài)、時域和頻域中的至少之一。


6.根據(jù)權(quán)利要求2所述的圖像處理裝置，其中，所述無監(jiān)督特征提取器還配置為在所述基于無監(jiān)督特征提取器獲取所述待識別圖像的無監(jiān)督特征之前，利用主成分分析法、隨機投影法和序列自動編碼器中的至少之一訓(xùn)練得到所述無監(jiān)督特征提取器。


7.根據(jù)權(quán)利要求2所述的圖像處理裝置，其中，所述融合處理器還配置為：拼接所述深度特征、所述專家特征以及所述無監(jiān)督特征，以獲得所述融合特征。


8.根據(jù)權(quán)利要求7所述的圖像處理裝置，其中，所述融合處理器還配置為：
分別對所述深度特征、所述專家特征與所述無監(jiān)督特征進行全局池化操作和均值池化操作，以分別獲取所述深度特征的全局向量和均值向量、所述專家特征的全局向量和均值向量以及所述無監(jiān)督特征的全局向量和均值向量；
拼接所述深度特征的全局向量和均值向量的至少之一、所述專家特征的全局向量和均值向量的至少之一以及所述無監(jiān)督特征的全局向量和均值向量的至少之一，以獲得所述融合特征。

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：姜立，周雨熙，梁思陽，吳夢，李玉德，李紅燕，韓立通，
申請(專利權(quán))人：京東方科技集團股份有限公司，北京大學(xué)，
類型：發(fā)明
國別省市：北京;11