[发明专利]一种上下文金字塔融合网络及图像分割方法

权利要求书

1.一种适用于图像分割的上下文金字塔融合网络系统，其特征在于，包括

特征编码模块：包括多个逐级相连的特征提取层，用于从原始图像中获取不同层特征图；

全局金字塔引导模块：设置有多个，分别与不同特征提取层连接，用于将和其连接的特征提取层提取的特征图与所有更高特征提取层提取的特征图进行多尺度融合，以获取全局上下文信息，并以跳跃连接方式将全局上下文信息引导和传递给特征解码模块；

尺度感知金字塔融合模块：与特征编码模块的最高特征提取层连接，用于根据不同尺度的特征图动态选择正确的感受野并融合多尺度上下文信息；

特征解码模块：包括多个逐级相连的特征解码层，用于根据全局上下文信息和多尺度上下文信息重建特征图。

2.根据权利要求1所述的适用于图像分割的上下文金字塔融合网络系统，其特征在于，所述特征编码模块采用删除平均池化层和全连接层的预训练的ResNet34网络结构。

3.根据权利要求1所述的适用于图像分割的上下文金字塔融合网络系统，其特征在于，所述全局金字塔引导模块采用三个并行的、具有不同膨胀率的可分离膨胀卷积；所述全局金字塔引导模块的输入为当前层特征图与来自更高层的所有特征图的级联拼接。

4.根据权利要求1所述的适用于图像分割的上下文金字塔融合网络系统，其特征在于，所述尺度感知金字塔融合模块包括：

三个膨胀率不同的并行膨胀卷积：用于获取不同尺度信息；

两个级联的尺度感知模块：用于将三个通道的不同尺度信息进行动态融合。

5.根据权利要求4所述的适用于图像分割的上下文金字塔融合网络系统，其特征在于，三个膨胀率不同的并行膨胀卷积采用共享权值。

6.根据权利要求1所述的适用于图像分割的上下文金字塔融合网络系统，其特征在于，所述特征解码层包括顺序连接的3×3卷积模块、双线性插值上采样模块和1×1卷积模块；多尺度上下文信息通过3×3卷积模块逐渐融合全局上下文信息，利用所述双线性插值上采样模块对3×3卷积模块输出的融合特征图进行上采样，再通过1×1卷积得到特征解码层的输出。

7.一种图像分割方法，其特征在于，采用权利要求1至6任一项所述的上下文金字塔融合网络系统，所述方法包括如下步骤：

从原始图像中获取不同层特征图；

将本层特征图与所有更高层特征图相融合，以获取全局上下文信息；

根据不同尺度的特征图动态选择正确的感受野并融合多尺度上下文信息；

根据全局上下文信息和多尺度上下文信息重建特征图；

对重建的特征图进行双线性插值上采样，获取图像分割结果。

8.根据权利要求7所述的图像分割方法，其特征在于，所述方法还包括：

对原始图像进行数据扩增处理、像素灰度归一化处理、“2.5D”数据处理中的一种或多种预处理。

9.根据权利要求8所述的图像分割方法，其特征在于，所述数据扩增处理的方法包括：左右翻转、上下翻转、-30度至30度旋转、增加加性高斯噪声。

10.根据权利要求8所述的图像分割方法，其特征在于，所述像素灰度归一化处理的方法包括：

首先将原始图像的像素值限制到[-310,400]范围，然后线性归一化至[0,1]。