[发明专利]基于边缘分布引导的图像分割方法

说明书

本发明公开了一种基于边缘分布引导的图像分割方法，属于图像处理和深度学习领域。本发明包括：1)采集原始图像数据，进行数据预处理形成训练数据集；2)构建特征提取器；3)构建边缘分布生成模块；4)构建基于边缘分布引导的解码器；5)将边缘分布预测模块和边缘分布引导的解码器插入到特征提取器，构建基于边缘分布引导的分割网络；6)利用训练数据集对基于边缘分布引导的分割网络进行训练；7)输入新的图像，使用已经训练好的基于边缘分布引导的分割网络输出最终的分割结果。本发明基于边缘分布引导的解码器使用生成的边缘分布图自动纠正分割结果中与边缘分布矛盾的部分，从而生成更加精确的图像分割结果。

技术领域

本发明涉及图像处理和深度学习领域，特别涉及一种基于边缘分布引导的图像分割方法。

背景技术

图像分割是图像处理和计算机视觉中的重要任务，目的是将不同分属不同物体的像素区域分开，例如将目标前景与背景分开。

近年来，基于卷积神经网络的图像分割方法在许多数据集上取得了良好的效果。但是，在一些存在边界模糊和不明确问题的图像数据上，例如医学图像分割和伪装目标检测等，现有的方法的性能仍然难以满足要求。其主要原因是缺乏有效的对模糊边缘信息进行建模的方法，难以有效地解决边缘模糊带来分割困难。

发明内容

本发明的目的在于针对上述现有技术中的不足，提供一种基于边缘分布引导的图像分割方法，以实现对目标的精确分割。

本发明技术方案如下：

基于边缘分布引导的图像分割方法，包括如下步骤：

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，即提取不同尺度的特征图；

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；

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；

步骤5：将所述边缘分布预测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，即端到端地输出最终的图像分割结果。

优选的是，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。

优选的是，所述特征提取器采用在ImageNet上预训练的EfficientNet-B5分类网络。