(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210330487.4 (22)申请日 2022.03.30 (71)申请人 北京市测绘 设计研究院 地址 100038 北京市西城区南 礼士路60号 (72)发明人 张译　杨伯钢　余永欣　刘博文　 刘鹏　马明睿　张丹　王怡　秦飞　 许天豪　黄迎春　杨旭东　 (74)专利代理 机构 北京林达刘知识产权代理事 务所(普通 合伙) 11277 专利代理师 刘新宇 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06V 10/26(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 图像处理方法及装置、 电子设备和存 储介质 (57)摘要 本公开涉及一种图像处理方法及装置、 电子 设备和存储介质， 所述方法包括： 对输入图像进 行特征提取处理， 获得多个第一特征图； 对第一 特征图进行异感受野融合处理， 获得第二特征 图； 根据第二特征图的注意力信息， 对第二特征 图以及第一特征图进行特征融合处理， 获得第三 特征图； 根据第三特征图， 获得分割图。 根据本公 开的实施例的图像处理方法， 能够通过异感受野 融合处理， 融合多种感受野的特征图， 使得各特 征图之间存在相关性， 并且， 可使得第二特征图 与多个网络层级的第一特征图融合， 减少信息损 失， 减少分割不连续和分割边界粗糙的问题， 且 基于注意力信息进行融合， 使得特征对齐， 降低 噪声， 提升分割精度。 权利要求书2页 说明书15页 附图5页 CN 114612790 A 2022.06.10 CN 114612790 A 1.一种图像处 理方法， 其特 征在于， 包括： 对输入图像进行 特征提取处 理， 获得多个网络层级的第一特 征图； 对最后一个网络层级的第 一特征图进行异感受野融合处理， 获得第二特征图， 其中， 所 述异感受野融合处理包括 获得所述第一特征图对应的多种感受野的特征图， 并将所述多种 感受野的特 征图进行融合获得 所述第二特 征图的处 理； 根据针对所述第 二特征图中各类别的目标对象的注意力信 息， 对所述第 二特征图以及 多个网络层级的第一特 征图进行 特征融合处 理， 获得第三特 征图； 根据所述第三特 征图， 获得 所述输入图像中多个 类别的目标对象的分割图。 2.根据权利要求1所述的方法， 其特征在于， 所述多个网络层级的数量为N个， N为正整 数， 对输入图像进行 特征提取处 理， 获得多个网络层级的第一特 征图， 包括： 对所述输入图像进行深度可分离卷积处理， 获得第1至第N ‑1个网络层级的第一特征 图； 对所述第N ‑1个网络层级的第一特征图进行空洞卷积处理， 获得最后一个网络层级的 第一特征图。 3.根据权利要求1所述的方法， 其特征在于， 对最后 一个网络层级的第 一特征图进行异 感受野融合处 理， 获得第二特 征图， 包括： 对所述最后一个网络层级的第一特 征图进行 卷积处理， 获得第四特 征图； 对所述最后一个网络层级的第一特征图进行深度可分离空洞卷积处理， 获得M种感受 野的M个第五特 征图， 其中， M为 正整数； 对所述最后一个网络层级的第一特 征图进行池化处 理， 获得第六 特征图； 对所述第四特征图、 所述第五特征图和所述第六特征图进行特征融合处理， 获得所述 第二特征图。 4.根据权利要求3所述的方法， 其特征在于， 对所述最后一个网络层级的第 一特征图进 行空洞卷积处 理， 获得M种感受野的M个第五特 征图， 包括： 对最后一个网络层级的第一特征图进行深度可分离空洞卷积处理， 获得第1种感受野 的第1个第五特 征图； 对最后一个网络层级的第 一特征图进行卷积处理， 并将 获得的特征图与第1至第 i个第 五特征图进行特征融合处理， 获得第六特征图， 并对所述第六特征图进行深度可分离空洞 卷积处理， 得到第i+1种感受野的第i+1个第五特 征图， 其中i大于等于1， 小于等于 M‑1。 5.根据权利要求1所述的方法， 其特征在于， 根据针对所述第 二特征图中各类别的目标 对象的注意力信息， 对所述第二特征图以及多个网络层级的第一特征图进行特征融合处 理， 获得第三特 征图， 包括： 将所述第二特 征图进行 预设倍数的上采样处 理， 获得第七特 征图； 根据所述第七特征图， 以及与所述第七特征图对应的网络层级的第一特征图， 获取针 对所述第二特征图中各类别的目标对 象的注意力信息， 其中， 所述对应层级的第一特征图 与所述第七特 征图尺寸 一致； 根据所述注意力 信息与所述第七特 征图， 获得第八特 征图； 将所述对应层级的第一特征图及所述第八特征图进行特征融合处理， 获得第九特征权　利　要　求　书 1/2 页 2 CN 114612790 A 2图； 根据所述第九特征图， 以及与所述第九特征图对应的网络层级的第一特征图， 获得所 述第三特 征图。 6.根据权利要求5所述的方法， 其特征在于， 根据所述第七特征图， 以及与所述第七特 征图对应的网络层级的第一特征图， 获取针对所述第二特征图中各类别的目标对象的注意 力信息， 包括： 根据所述第七特征图， 以及与所述第七特征图对应的网络层级的第一特征图， 分别获 得所述第七特 征图和所述第一特 征图对应的权 重； 根据所述第七特征图和所述第 一特征图对应的权重， 对所述第七特征图和所述第 一特 征图进行全连接处 理， 获得全连接结果； 根据所述全连接结果和所述第七特征图， 获得针对所述第 二特征图中各类别的目标对 象的注意力 信息。 7.根据权利要求1 ‑6中任一项所述的方法， 其特 征在于， 所述方法还 包括： 根据所述分割图中植被目标的分割结果， 确定所述输入图像的绿视率。 8.一种图像处 理装置， 其特 征在于， 包括： 特征提取模块， 用于对输入图像进行 特征提取处 理， 获得多个网络层级的第一特 征图； 融合模块， 用于对最后一个网络层级的第一特征图进行异感受野融合处理， 获得第二 特征图， 其中， 所述异感受野融合处理包括获得所述第一特征图对应的多种感受野的特征 图， 并将所述多种感受野的特 征图进行融合获得 所述第二特 征图的处 理； 注意力模块， 用于根据针对所述第二特征图中各类别的目标对象的注意力信息， 对所 述第二特 征图以及多个网络层级的第一特 征图进行 特征融合处 理， 获得第三特 征图； 分割模块， 用于根据所述第三特征图， 获得所述输入图像中多个类别的目标对象的分 割图。 9.一种电子设备， 其特 征在于， 包括： 处理器； 用于存储处理器可执行指令的存 储器； 其中， 所述处理器被配置为调用所述存储器存储的指令， 以执行权利要求1至7中任意 一项所述的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序指令， 其特征在于， 所述计算机 程序指令被处 理器执行时实现权利要求1至7中任意 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114612790 A 3