买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州食方科技有限公司

摘要：本公开的实施例公开了生鲜图像存储方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取生鲜图像集；对目标生鲜图像集进行图像分割，得到生鲜前景图像集和生鲜背景图像集；对生鲜前景图像集和对应的生鲜背景图像进行压缩处理，得到比特流数据集；基于比特流数据集，执行以下存储步骤：对比特流数据集进行图像重建处理，得到生鲜重建图像集；对生鲜重建图像集和目标生鲜图像集进行目标识别，得到第一识别结果和第二识别结果；确定保真度；响应于确定保真度大于等于预设保真度阈值，对生鲜重建图像集进行存储。该实施方式在确保生鲜图像的保真度的情况下，对生鲜图像进行编码压缩，可以节省存储资源。

主权项：1.一种生鲜图像存储方法，包括：获取生鲜图像集；对目标生鲜图像集中的每个目标生鲜图像进行图像分割，以生成生鲜前景图像和生鲜背景图像，得到生鲜前景图像集和生鲜背景图像集，其中，所述目标生鲜图像集是对所述生鲜图像集进行筛选得到的图像集，其中，所述对目标生鲜图像集中的每个目标生鲜图像进行图像分割，以生成生鲜前景图像和生鲜背景图像，得到生鲜前景图像集和生鲜背景图像集，包括：对于所述目标生鲜图像集中的每个目标生鲜图像，执行以下图像分割步骤：获取针对所述目标生鲜图像的生鲜深度图像；对所述生鲜深度图像进行灰度化处理，得到灰度化生鲜深度图像；对所述灰度化生鲜深度图像进行形态学滤波处理，得到滤波后生鲜深度图像；对所述滤波后生鲜深度图像进行第一次图像分割，得到分割后生鲜深度图像；对所述分割后生鲜深度图像和所述目标生鲜图像进行融合，得到融合后生鲜图像；对所述融合后生鲜图像进行超像素分割处理，得到超像素分割后生鲜图像，其中，所述超像素分割处理是融合深度信息的简单线性迭代聚类SLIC算法的超像素分割处理，融合深度信息的SLIC算法中的超像素距离数值是包括像素的深度信息、颜色信息和位置空间信息的距离数值；对所述超像素分割后生鲜图像进行图模型构建，得到针对所述超像素分割后生鲜图像的无向加权图，其中，所述无向加权图中的节点是所述超像素分割后生鲜图像中的超像素，所述无向加权图中的边是超像素之间的边，所述无向加权图中的边对应的权重值是以e为底，以任意两个像素的颜色数值的差值与预设颜色阈值的比值、深度数值的差值与预设深度阈值的比值、超像素的表面法线的归一化平均值的差值与预设超像素阈值的比值的和的相反数为指数的数值；根据所述无向加权图，对所述超像素分割后生鲜图像进行背景先验处理，得到生鲜背景显著图像；根据所述无向加权图，对所述超像素分割后生鲜图像进行前景先验处理，得到生鲜前景显著图像；对所述生鲜前景显著图像和所述生鲜背景显著图像进行图像融合，得到融合后生鲜显著图像；通过融合深度信息的GrabCut算法，对所述融合后生鲜显著图像进行图像分割，得到生鲜前景图像和生鲜背景图像，其中，所述融合深度信息的GrabCut算法中的能量函数是在原有的GrabCut算法中的能量函数中融合深度信息作为约束项的能量函数，所述融合深度信息的GrabCut算法中的能量函数是在原有的能量函数中的区域数据项中添加第一权重值与区域数据项的乘积、在平滑项中添加第二权重值与融入深度信息的平滑项；通过预设图像压缩编码器，对所述生鲜前景图像集中的每个生鲜前景图像和对应的生鲜背景图像进行压缩处理，以生成比特流数据，得到比特流数据集，其中，所述预设图像压缩编码器是将输入的生鲜前景图像、与生鲜前景图像对应的生鲜背景图像编码成比特流数据的神经网络模型，所述预设图像压缩编码器是包括卷积神经网络或者Transformer的神经网络模型；基于比特流数据集，执行以下存储步骤：通过预设图像还原解码器，对比特流数据集中的每个比特流数据进行图像重建处理，以生成生鲜重建图像，得到生鲜重建图像集其中，所述预设图像还原解码器是将输入的比特流数据还原成与目标生鲜图像具有相同尺寸的神经网络模型，所述预设图像还原解码器的结构是与所述预设图像压缩编码器的结构是一致的，但是预设图像还原解码器与预设图像压缩编码器的作用是相对的；对生鲜重建图像集和所述目标生鲜图像集进行目标识别，得到第一识别结果和第二识别结果；根据第一识别结果和第二识别结果，确定针对生鲜重建图像集的保真度；响应于确定保真度大于等于预设保真度阈值，对生鲜重建图像集进行存储；响应于确定保真度小于所述预设保真度阈值，对比特流数据集对应的码流进行调整，得到调整后比特流数据集，将调整后比特流数据集作为比特流数据集，以及再次执行所述存储步骤。

全文数据：

权利要求：

百度查询： 杭州食方科技有限公司 生鲜图像存储方法、装置、电子设备和计算机可读介质