[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

专利信息
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
【权利要求书】:

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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top