[发明专利]一种基于深度网络的皮肤损伤图片分割方法在审
申请号: | 201811393429.6 | 申请日: | 2018-11-21 |
公开(公告)号: | CN109493359A | 公开(公告)日: | 2019-03-19 |
发明(设计)人: | 杨猛;罗文锋 | 申请(专利权)人: | 中山大学 |
主分类号: | G06T7/143 | 分类号: | G06T7/143;G06T7/11 |
代理公司: | 广州粤高专利商标代理有限公司 44102 | 代理人: | 林丽明 |
地址: | 510260 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 分割 皮肤损伤 图片分割 训练数据 预处理 人工智能领域 对比度变化 引导滤波器 预处理方式 后处理 边缘区域 皮肤图片 皮肤图像 数据增强 特征表示 图片像素 纹理颜色 归一化 有效地 真阳性 卷积 锐化 光照 网络 学习 机场 | ||
1.一种基于深度网络的皮肤损伤图片分割方法,其特征在于,包括以下步骤:
步骤S1:对测试图像进行增强和预处理;
步骤S2:将预处理后的测试图像输入到的卷积神经网络中进行训练,得到初步的分割结果和概率输出,根据初步的分割结果以及概率输出对卷积神经网络进行参数调整;
步骤S3:对训练图像进行增强和预处理;
步骤S4:将预处理后的训练图像输入到训练完成的卷积神经网络中进行训练,得到初步的分割结果以及概率输出;
步骤S5:将分割结果和概率输出在全连接的条件随机场中进行迭代处理,得到最终的分割结果。
2.根据权利要求1所述的一种基于深度网络的皮肤损伤图片分割方法,其特征在于,所述的步骤S1具体包括以下步骤:
步骤S101:在图片中截取一个紧凑的一号矩形框,该矩形框恰好包围图片中损伤皮肤区域;
步骤S102:随机截取一个包含一号矩形框的二号矩形框;
步骤S103:把随机截取的图片重新缩放到固定的图片大小;
步骤S104:缩放后,对图片引入随机噪声,包括随机改变图片亮度和对比度;
步骤S105:对图片像素值做归一化操作,使得处理后的图片均值为0,方差为1。
3.根据权利要求2所述的一种基于深度网络的皮肤损伤图片分割方法,其特征在于,所述的步骤S103的固定的图片大小为224×224。
4.根据权利要求2所述的一种基于深度网络的皮肤损伤图片分割方法,其特征在于,所述的步骤S2具体包括以下步骤:
步骤S201:设定条件随机场的能量函数定义如下:
这里y指的是全卷积神经网络的预测结果,下标i表明像素位置,能量函数的第一项为单一势能函数ψu(yi)=-log P(yi),这里P(yi)表示网络预测像素位置i类别yi的概率大小;
步骤S202:设能量函数的第二项定义为:
其中,μ为标签兼容函数,fi和fj为像素位置i的图片特征,κ(m)为第m个核函数以及其权值ω〔m〕,
步骤S203:使用如下两个核函数,分别为:
其中μ(yi,yj)=[yi≠yj],核函数的特征输入包括像素位置和RGB颜色信息,即公式中的pi,pj,Ii,Ij。
5.根据权利要求1所述的一种基于深度网络的皮肤损伤图片分割方法,其特征在于,步骤S2中卷积神经网络的训练使用二分类的交叉熵损失函数进行训练。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811393429.6/1.html,转载请声明来源钻瓜专利网。