[发明专利]一种图像分割方法和装置

说明书

本发明涉一种图像分割方法和装置，通过基于预设预处理算法对待分割图像进行增强得到增强图像；使用训练好的神经网络模型对增强图像进行分割，其中神经网络模型通过上采样获得增强图像的高分辨率信息并进行特征信息的提取，以得到详细的空间边界信息；神经网络模型通过对增强图像的图像信息的编码得到目标区域的位置信息；神经网络模型通过对详细的空间边界信息、目标区域的位置信息和跳跃连接所保留的原空间边界信息进行融合，以得到图像分割结果。单独的上采样链路去提取图像的高分辨率信息，能有效帮助网络对目标区域的边界实现精准预测。在对比度低且目标区域边界模糊这种困难的情况下实现对目标区域的较为准确的分割。

技术领域

本发明属于图像处理技术领域，具体涉及一种图像分割方法和装置。

背景技术

近些年来随着人工智能的不断发展，图像分割已经成为图像理解领域关注的一个热点，图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，把目标从背景中分离出来。

随着卷积神经网络的发展，图像分割取得了巨大的进步，这主要是基于跳跃链接的编码器-解码器结构。这种结构类型的网络在编码阶段提取图片的深层信息，在解码阶段结合跳跃连接进行深层信息的上采样还原。这种结构针对目标区域边界清晰，图片对比度强时能取得较好的效果。但由于编码结构会造成图像信息的压缩，因此网络将缺乏高分辨率信息。此外编码和解码上采样阶段一定会造成图像信息的损失，因此针对图像对比度低目标区域边界模糊时就不能取得理想的效果。

发明内容

为了解决现有技术存在的对边界模糊的图像分割效果不好的问题，本发明提供了一种图像分割方法和装置，其具有分割更加准确等特点。

根据本发明的具体实施方式的一种图像分割方法，包括：

基于预设预处理算法对待分割图像进行增强得到增强图像；

使用训练好的神经网络模型对增强图像进行分割，其中所述神经网络模型通过上采样获得增强图像的高分辨率信息并进行特征信息的提取，以得到详细的空间边界信息；

所述神经网络模型通过对增强图像的图像信息的编码得到目标区域的位置信息；

所述神经网络模型通过对所述详细的空间边界信息、所述目标区域的位置信息和跳跃连接所保留的原空间边界信息进行融合，以得到图像分割结果。

进一步的，所述基于预设预处理算法对待分割图像进行增强得到增强图像包括：

基于自适应直方图均衡算法对待分割图像进行增强得到增强图像。

进一步的，所述使用训练好的神经网络模型对增强图像进行分割包括：

基于反卷积进行上采样增强图像以获得高分辨率信息。

进一步的，所述使用训练好的神经网络模型对增强图像进行分割还包括：

通过扩张卷积对上采样后的图像进行特征信息的提取，以得到详细的空间边界信息。

进一步的，所述通过对增强图像的图像信息的编码得到目标区域的位置信息包括：

基于卷积模块和最大池化对增强图像的图像信息进行编码，以得到目标区域的位置信息。

进一步的，所述卷积模块包括Conv2d函数、Batchnorm2d函数与Relu函数。

进一步的，所述神经网络模型通过对所述详细的空间边界信息、所述目标区域的位置信息和跳跃连接所保留的原空间边界信息进行融合，以得到图像分割结果包括：