[发明专利]基于边缘分布引导的图像分割方法

权利要求书

1.基于边缘分布引导的图像分割方法，其特征在于，包括下列步骤：

步骤1：采集原始图像数据，进行数据预处理形成训练数据集；

步骤2：构建特征提取器，所述特征提取器为基于神经网络的特征提取网络，用于提取图片的多级特征图；

步骤3：构建边缘分布生成模块，所述边缘分布生成模块用于聚合所述特征提取器的多级特征，在理想边缘分布图的监督下生成边缘分布图；

所述边缘分布生成模块包括转换模块和聚合操作模块，其中，转换模块模块用于将特征提取器的最后T级的各特征图转换到所需的维度，得到T级转换特征图，其中，T≥2；

所述边缘分布生成模块包括T个转换模块和T-1个聚合操作模块；

T-1个聚合操作模块经T-1次的逐级聚合处理得到最终的聚合特征图并作为边缘分布图，按照前向传播的方向，首个聚合操作模块的输入为最后两级转换特征图，其余聚合操作模块的输入为上一个聚合操作模块输出的聚合特征图，以及上一次参与聚类的转换特征图的上一级转换特征图，将待聚合处理的两个特征图中的尺寸较大者和较小者分别定义为第一特征图和第二特征图，将第一特征图进行下采样，再与第二特征图逐元素相加得到第二中间聚合特征图，将第二特征图进行上采样，再与第一特征图逐元素相加得到第一中间聚合特征图，将第二中间聚合特征图上采样后通过卷积块后，再与通过卷积块后的第一中间聚合特征图相加得到当前聚合处理的聚合特征图；

步骤4：构建基于边缘分布引导的解码器，所述基于边缘分布引导的解码器用于根据所述特征提取器提取的多级特征图和所述边缘分布生成模块生成的边缘分布图，纠正分割结果中与边缘分布图矛盾，获取图像的最终分割结果；

所述基于边缘分布引导的解码器包括顺次连接的N个BDGD-A模块和M个BDGD-B模块，其中N+M+1为特征提取器提取的特征图级数，且N≥1，M≥1；

按照前向传播的方向，首个BDGD-A模块的输入包括：特征提取器的最后两级特征图和边缘分布生成模块生成的边缘分布图，其余BDGD-A模块的输入包括上一级BDGD-A模块的输出和边缘分布生成模块生成的边缘分布图，以及特征提取器的参与上一级BDGD-A模块的特征图的上一级特征图；第一个BDGD-B模块的输入包括第N个BDGD-A模块的输出和边缘分布生成模块生成的边缘分布图，其余BDGD-B模块的输入包括上一级BDGD-B模块的输出和边缘分布生成模块生成的边缘分布图；

其中，BDGD-A模块包括编码器特征支路和解码器特征支路；

所述编码器特征支路将特征提取器的特征图通过卷积块得到第一编码支路特征图，将第一编码支路特征图与边缘分布图相乘得到第一边缘分布增强特征图，对于首个BDGD-A模块，输入编码器特征支路的特征图为倒数第二级特征图；

所述解码器特征支路将上一级BDGD-A模块输出的特征图通过卷积块得到第一解码支路特征图，将第一解码支路特征图与下采样后的边缘分布图相乘得到第二边缘分布增强特征，对于首个BDGD-A模块，将最后一级特征图通过卷积块得到第一解码支路特征图；

将所述第一解码支路特征图进行下采样，再与第一边缘分布增强特征图相加得到更新的第一边缘分布增强特征图；将所述第一编码支路特征图进行上采样，再与第二边缘分布增强特征图相加得到更新的第二边缘分布增强特征图，将更新的第二边缘分布增强特征图进行上采样后再与更新的第一边缘分布增强特征图相加得到BDGD-A模块的输出特征图；

所述BDGD-B模块将上一级的输出特征图通过卷积块得到第一中间特征图，所述第一中间特征图与边缘分布图相乘得到第二中间特征图，第二中间特征图与第一中间特征图相加得到第三中间特征图，第三中间特征图上采样后再与经过上采样的第一中间特征图相加，得到BDGD-B模块的输出特征图；

步骤5：将所述边缘分布生成模块和边缘分布引导的解码器插入到所述特征提取器，构建基于边缘分布引导的分割网络；

步骤6：利用所述训练数据集对所述基于边缘分布引导的分割网络进行训练；

步骤7：对待分割图像进行尺寸调整和像素值归一化处理，再将待分割图像输入训练好的基于边缘分布引导的分割网络进行前向推理，根据基于边缘分布引导的分割网络的输出得到待分割图像的分割结果。

2.如权利要求1所述的图像分割方法，其特征在于，所述步骤1中，数据预处理包括：图像尺寸调整，像素值归一化处理，图像垂直翻转以及图像水平翻转。