[发明专利]基于边缘知识转化的图像前景分割算法

权利要求书

1.基于边缘知识转化的图像前景分割算法，包括下列步骤：

1)结合边缘自监督机制的图像分割框架构建；

在选取DeepLabV3+网络作为主体分割网络F的基础上，对于输入的目标类别前景分割图片I，通过仿射变换A将输入图片进行转换获得A*I，将原始图片I与转换后图片A*I均输入基础分割网络，获得对应预测分割结果F(I)与F(A*I)，将原始图片对应的分割结果F(I)通过同一个仿射变换A转变为A*F(I)，对于原始图片对应的转换预测分割结果A*F(I)与转换图片对应的分割结果F(A*I)，均通过膨胀预测分割结果减去腐蚀预测分割结果的形式获得对应的边缘掩码m与m′，利用L₂范式约束原始图片对应的边缘分割结果m*A*F(I)与仿射变换图片对应的边缘分割结果m′*F(A*I)保持一致|m*A*F(I)-m′*F(A*I)|₂，可形成自监督信息用于强化前景分割网络的分割一致性；

2)内边缘与外边缘判别器构建；

为实现边缘知识的转化，首先构建了二分类的外边缘判别器D_out，判别器为通用二分类卷积神经网络，对于输入的非目标类别图片I′，利用对应的标注m_o获得前景物体m_o*I′，外边缘判别器D_out用于判别前景物体边缘是否包含背景特征，所组成的三元组{I′，m_o，m_o*I′}经过外边缘判别器D_out判断为真；然后构建了二分类的内边缘判别器D_in，对于输入的非目标分割类别图片I′，利用对应的前景物体置反标注1-m_o获得背景部分(1-m_o)*I′，内边缘判别器D_in用于判别背景部分的边缘是否包含前景物体特征，所组成的三元组{I′，1-m_o，(1-m_o)*I′}经过内边缘判别器D_in判断为真；

3)伪分割三元组数据生成；

为了强化内外边缘判别器D_in和D_out是否包含物体边缘外部或物体边缘内部特征的识别能力，针对步骤2)中，非目标分割类别图片I′对应的标注m_o和置反标注1-m_o，均通过以核半径为r的膨胀操作Γ获得处理后的掩码和组成外边缘伪分割三元组与内边缘伪分割三元组约束内外边缘判别器D_in和D_out判别内外边缘伪三元组为假，可以有效强化内外边缘判别器的识别能力；

4)基于目标类别极少量标注样本引导的内外边缘对抗前景分割；

为了能够实现目标类别极少量标注样本引导下的前景分割，借用大量已有的开源标注图像数据的边缘分割知识，实现目标图片的前景分割；对于标注的目标类别图像，通过监督损失实现目标类别分割网络的训练；对于开源的非目标类别图像，通过步骤2)与步骤3)获得真实的内外边缘三元组与伪分割三元组；通过分割网络获得目标图像预测分割结果，组成预测分割结果三元组，利用分割网络与内外边缘判别器间的对抗，实现开源标注图像边缘知识到目标类别图像分割的转化，最终实现极少目标样本引导的图像前景分割。

2.如权利要求1所述的基于边缘知识转化的图像前景分割算法，其特征在于：步骤4)所述的目标类别标注样本少于二十个。

3.如权利要求1所述的基于边缘知识转化的图像前景分割算法，其特征在于：步骤1)所述的仿射变换A的具体方式包括翻转、旋转。