[发明专利]目标对象的识别方法和装置

说明书

本发明公开了一种目标对象的识别方法和装置。其中，该方法包括：获取包含目标对象的第一图像；对第一图像进行下采样，得到第二图像；利用U形全卷积神经网络模型对第二图像进行处理，得到目标对象的第一分割结果；利用导向滤波网络模型对第一图像、第二图像和第一分割结果进行处理，得到目标对象的第二分割结果。本发明解决了现有技术中目标对象的识别导致图像边缘失真，准确率低的技术问题。

技术领域

本发明涉及图像识别领域，具体而言，涉及一种目标对象的识别方法和装置。

背景技术

在医疗领域的图像识别中，前段光学相干断层扫描(Anterior segment opticalcoherence tomography，AS-OCT)用来辅助诊断许多眼科疾病，例如角膜疾病、白内障和青光眼等，是一种非侵入式无伤害的拍摄方式。晶状体，是眼球的主要屈光结构，当晶状体出现浑浊现象时(密度增加)，会引起视力障碍，导致白内障产生。图1a示出了晶状体结构图，图1b示出了AS-OCT眼底图，其中白色方框所在区域为晶状体区域。晶状体密度是衡量白内障等疾病严重程度的重要指标。卷积神经网络在图像分割领域有着广泛的应用及优越的性能。然而其模型本身参数多，计算复杂度高，内存占用高，在图片分辨率较高的情况下尤为明显。为缓解以上问题，一个广泛使用的方法是：首先将图片放缩为低分辨率图片，卷积神经网络对该低分辨率图片进行分割等操作，之后再将处理好的图片放缩回原本的高分辨率。然而这往往会导致图像边缘失真，误差放大。

针对现有技术中目标对象的识别导致图像边缘失真，准确率低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种目标对象的识别方法和装置，以至少解决现有技术中目标对象的识别导致图像边缘失真，准确率低的技术问题。

根据本发明实施例的一个方面，提供了一种目标对象的识别方法，包括：获取包含目标对象的第一图像；对第一图像进行下采样，得到第二图像；利用U形全卷积神经网络模型对第二图像进行处理，得到目标对象的第一分割结果；利用导向滤波网络模型对第一图像、第二图像和第一分割结果进行处理，得到目标对象的第二分割结果。

进一步地，利用导向滤波网络模型对第一图像、第二图像和第一分割结果进行处理，得到目标对象的第二分割结果，包括：利用均值滤波模型和局部线性模型对第二图像和第一分割结果进行处理，得到第一系数和第二系数；对第一系数和第二系数进行双线性上采样，得到采样后的第一系数和采样后的第二系数；利用线性模型对采样后的第一系数、采样后的第二系数和第一图像进行处理，得到第二分割结果。

进一步地，利用均值滤波模型和局部线性模型对第二图像和第一分割结果进行处理，得到第一系数和第二系数，包括：获取多个预设窗口；利用局部线性模型对每个预设窗口的第二图像和第一分割结果进行处理，得到每个预设窗口对应的第一系数和第二系数；利用均值滤波模型对多个预设窗口对应的第一系数和第二系数进行处理，得到第一系数和第二系数。

进一步地，利用局部线性模型对每个预设窗口的第二图像和第一分割结果进行处理，得到每个预设窗口对应的第一系数和第二系数，包括：获取预设参数；基于第二图像在每个预设窗口内的像素值，第一分割结果在每个预设窗口内的像素值以及预设参数，得到每个预设窗口的损失函数；对每个预设窗口的损失函数进行求解，得到每个预设窗口对应的第一系数和第二系数。

进一步地，利用均值滤波模型对多个预设窗口对应的第一系数和第二系数进行处理，得到第一系数和第二系数，包括：获取多个预设窗口对应的第一系数的均值，得到第一系数；获取多个预设窗口对应的第二系数的均值，得到第二系数。

进一步地，利用线性模型对采样后的第一系数、采样后的第二系数和第一图像进行处理，得到第二分割结果，包括：获取采样后的第一系数与第一图像的乘积，得到和值；获取和值与采样后的第二系数之和，得到第二分割结果。