[发明专利]基于神经网络的图像分割方法及终端设备

权利要求书

1.一种基于神经网络的图像分割方法，其特征在于，包括：

获取原始图像，所述原始图像内包含待分割出的目标物图像；

通过预设的均衡算法对所述原始图像进行处理，生成基准图像；

将所述基准图像分割成多个切片，并读取所述切片中各个像素点的像素点数据，依照预设顺序对所述切片进行编号；

将预设数量的编号相邻的切片的像素点数据同时输入预设的神经网络模型，输出编号居中的切片对应的分割参数，所述预设数量为大于1的奇数；

将满足预设条件的分割参数对应的切片所覆盖的像素点作为所述目标物图像所覆盖的像素点，以分割出所述目标物图像；

所述通过预设的均衡算法对所述原始图像进行处理，生成基准图像，包括：

读取所述原始图像中各个像素点对应的CT值；

计算所述原始图像中全部像素点对应的CT值的平均值，并将各个像素点对应的CT值除以所述平均值的商，作为各个像素点对应归一化值；

将全部所述归一化值划分为预设数量的区间，按照所述归一化值由小到大的顺序为各个所述区间分配区间等级，并确定各个像素点对应的归一化值所属的区间等级；

通过公式：将各个像素点对应的归一化值转换成基准值，所述conv_i为像素点i对应的基准值，所述classtotal为所述归一化值被划分出的区间的总量，所述pixnum为所述原始图像中像素的数量，所述preconv_i为所述像素点i对应的归一化值所属的区间等级，所述classnum_j为区间等级j中包含的归一化值的数量；

根据各个所述像素点与所述基准值的对应关系，生成基准图像；

所述像素点数据包括所述像素点对应的基准值；

所述将预设数量的编号相邻的切片的像素点数据同时输入预设的神经网络模型，输出编号居中的切片对应的分割参数，包括：

选取并组合预设数量的编号相邻的切片，生成目标切片组；

根据所述目标切片组中各个像素点的基准值以及各个像素点在所述目标切片组中的位置坐标，构建所述目标切片组的像素矩阵；

通过VGG神经网络的五层池化层Maxpool对所述像素矩阵进行降维操作，得到视觉特征向量；

将所述视觉特征向量导入所述VGG神经网络的全连接层，输出所述目标切片组中编号居中的切片对应的分割参数。

2.如权利要求1所述的基于神经网络的图像分割方法，其特征在于，在所述获取原始图像之前，还包括：

获取多个训练切片组的训练特征向量以及训练切片组中居中的切片的训练分割参数；

反复执行以下步骤直至调整后的VGG神经网络满足预设的收敛条件：

将所述训练特征向量作为VGG神经网络的输入，将所述训练分割参数作为所述VGG神经网络的输出，通过随机梯度下降法对所述VGG神经网络的全连接层中的各层参数进行更新；

输出调整后的VGG神经网络作为预设的神经网络模型。

3.如权利要求2所述的基于神经网络的图像分割方法，其特征在于，还包括：计算调整后的VGG神经网络的交叉熵损失函数值；

若所述交叉熵损失函数值小于预设的阈值，则判定所述调整后的VGG神经网络满足预设的收敛条件。