[发明专利]一种基于非局部信息提取的息肉分割方法及相关组件

权利要求书

1.一种基于非局部信息提取的息肉分割方法，其特征在于，包括：

将待分割图像输入特征提取模块进行多层特征提取，输出多个高层特征图F和多个低层特征图，其中所述多个高层特征图包括高层特征图F₃、高层特征图F₄和高层特征图F₅；

分别对所述多个高层特征图F进行纹理细化处理，得到细化后的多个高层特征图F'；

将所述多个高层特征图F'分别输入对应的NLE模块进行信息提取，得到多个特征图D'，将所述多个特征图D'进行拼接后，输出初始分割预测图G_g；

将多个高层特征图F'分别输入对应的COR模块，通过自上而下的方式结合COR模块的当前层输出和高一层输出得到最终预测分割图；

其中，所述将所述多个高层特征图F'分别输入对应的NLE模块进行信息提取，得到多个特征图D'，将所述多个特征图D'进行拼接后，输出初始分割预测图G_g，包括：

将所述多个高层特征图F'分别输入NLE模块进行自适应平均池化操作，得到对应的特征图M_i，其中i∈{3,4,5}；将每一所述特征图M_i均分成若干小份特征图，并对每一小份特征图进行Non-Local操作，再将Non-Local操作后的若干小份特征图进行拼接得到特征图M'_i，其中i∈{3,4,5}；将每一所述特征图M'_i进行自适应平均池化操作和最大池化操作，得到对应的特征图M^c_i，其中i∈{3,4,5}；将每一所述特征图M^c_i进行1×1卷积操作、ReLU操作以及自适应平均池化处理，得到对应的特征图D_i，其中i∈{3,4,5}；对每一所述特征图D_i进行上采样处理得到特征图D'_i，其中i∈{3,4,5}；将特征图D₃、D'₄和D'₅进行拼接后再进行卷积操作，得到初始分割预测图G_g；

其中，所述将多个高层特征图F'分别输入对应的COR模块，通过自上而下的方式结合COR模块的当前层输出和高一层输出得到最终预测分割图，包括：

按如下公式计算高层特征图F'₅对应的精准分割预测图G₅：

G′₅＝CBR¹⁵⁵⁵¹(I′₅)；

其中，代表像素相乘，sigmoid(·)代表sigmoid激活函数处理，D(·)代表下采样操作，代表相加操作，CBR¹⁵⁵⁵¹代表先经过1个1×1卷积操作，再经过三个5×5卷积操作，再经过1个1×1卷积操作，最后经过标准化处理和激活处理；

其中，所述将多个高层特征图F'分别输入对应的COR模块，通过自上而下的方式结合COR模块的当前层输出和高一层输出得到最终预测分割图，还包括：

将所述高层特征图F'₄与其高一层的且经过sigmoid函数处理后的精准分割预测图G₅进行相乘，得到特征图I₄；将所述特征图I₄和其高一层的特征图I'₅输入对应的COR模块，对所述特征图I'₅进行自适应平均池化处理，再进行sigmoid函数处理得到权重图W₄，再将所述特征图I₄与权重图W₄相乘得到特征图I^w₄；将所述特征图I^w₄与特征图I₄相加，并将相加的结果进行sigmoid函数处理，得到高层特征图F'₄对应的特征图I'₄；将所述特征图I'₄进行1个1×1卷积操作，再进行三个3×3卷积操作，再进行标准化处理和激活处理，得到特征图G'₄；将所述特征图G'₄与其高一层的特征图G'₅相加，得到高层特征图F'₄对应的精准分割预测图G₄；

其中，所述将多个高层特征图F'分别输入对应的COR模块，通过自上而下的方式结合COR模块的当前层输出和高一层输出得到最终预测分割图，还包括：

将所述高层特征图F'₃与其高一层的且经过sigmoid函数处理后的精准分割预测图G₄进行相乘，得到特征图I₃；将所述特征图I₃和其高一层的特征图I'₄输入对应的COR模块，对所述特征图I'₄进行自适应平均池化处理，再进行sigmoid函数处理得到权重图W₃，再将所述特征图I₃与权重图W₃相乘得到特征图I^w₃；将所述特征图I^w₃与特征图I₃相加，并将相加的结果进行sigmoid函数处理，得到高层特征图F'₃对应的特征图I'₃；将所述特征图I'₃进行1个1×1卷积操作，再进行三个3×3卷积操作，再进行标准化处理和激活处理，得到特征图G'₃；将所述特征图G'₃与其高一层的特征图G'₄相加，得到高层特征图F'₃对应的精准分割预测图G₃。