[发明专利]图像分割方法、装置、设备及存储介质

说明书

本申请公开了一种图像分割方法、装置、设备及存储介质，属于图像处理技术领域。本申请通过图像分割模型中不同尺度的神经网络对目标图像以及第一掩膜分别进行处理，得到尺度不同的多个特征图和中间掩膜，充分保留高分辨率的图像信息；由多个注意力单元，对每个特征图应用注意力权重进行加权运算，得到多个中间特征图；对每个中间特征图进行特征融合，得到第二掩膜；若第二掩膜满足条件，基于第二掩膜进行图像分割，否则，基于第二掩膜调整第一掩膜，再基于调整后的第一掩膜和目标图像输出新的第二掩膜，判断新的第二掩膜是否满足条件。在上述方案中，应用注意力机制、多尺度特征融合、迭代调整分割区域三种途径，来提图像分割结果的准确率。

技术领域

本申请涉及图像处理技术领域，特别涉及一种图像分割方法、装置、设备及存储介质。

背景技术

图像分割是指把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术。随着机器学习技术的发展，可以基于深度神经网络构建图像分割模型，对图像中包含的目标对象进行分割，例如，在医疗领域，可以应用图像分割模型自动分割出医学图像中的器官、肿瘤等。

但是在一些医学图像中，不同器官或组织之间亮度差异较小，不同区域之间边界模糊，对于这一类图像，应用图像分割模型进行图像分割时，通常难以准确地分割出图像中的各个目标对象。因此，如何提高图像分割模型的性能，提高图像分割结果的准确率，是一个重要研究方向。

发明内容

本申请实施例提供了一种图像分割方法、装置、设备及存储介质，可以提高图像分割结果的准确率。该技术方案如下：

一方面，提供了一种图像分割方法，该方法包括：

将包含目标对象的目标图像以及第一掩膜输入图像分割模型，该图像分割模型包括多个不同尺度的神经网络以及至少一个注意力单元；

通过该多个不同尺度的神经网络对该目标图像以及该第一掩膜分别进行数据处理，得到尺度不同的多个特征图以及各个特征图对应的中间掩膜；

通过该至少一个注意力单元，对每个该特征图中不同区域的元素应用不同的注意力权重进行加权运算，得到尺度不同的多个中间特征图；

对每个该中间特征图进行特征融合，得到第二掩膜，该第二掩膜用于预测该目标对象在该目标图像的位置信息；

响应于该第二掩膜满足目标条件，基于该第二掩膜将该目标图像中的目标对象分割出来，否则，基于该第二掩膜对该第一掩膜进行调整，由该图像分割模型基于调整后的第一掩膜以及该目标图像输出新的第二掩膜，判断该新的第二掩膜是否满足该目标条件。

一方面，提供了一种图像分割装置，该装置包括：

输入模块，用于将包含目标对象的目标图像以及第一掩膜输入图像分割模型，该图像分割模型包括多个不同尺度的神经网络以及至少一个注意力单元；

特征提取模块，用于通过该多个不同尺度的神经网络对该目标图像以及该第一掩膜分别进行数据处理，得到尺度不同的多个特征图以及各个特征图对应的中间掩膜；

加权模块，用于通过该至少一个注意力单元，对每个该特征图中不同区域的元素应用不同的注意力权重进行加权运算，得到尺度不同的多个中间特征图；

特征融合模块，用于对每个该中间特征图进行特征融合，得到第二掩膜，该第二掩膜用于预测该目标对象在该目标图像的位置信息；

图像分割模块，用于响应于该第二掩膜满足目标条件，基于该第二掩膜将该目标图像中的目标对象分割出来，否则，基于该第二掩膜对该第一掩膜进行调整，由该图像分割模型基于调整后的第一掩膜以及该目标图像输出新的第二掩膜，判断该新的第二掩膜是否满足该目标条件。

在一种可能实现方式中，该特征提取模块用于：