[发明专利]一种基于语义分割网络的人耳图像解刨学分割方法

说明书

本发明公开了一种基于语义分割网络的人耳图像解刨学分割方法，该方法包括：获取人耳图像，构建人耳解剖学分割数据集；基于U‑Net网络进行改进，得到人耳分割模型；基于所述数据集对模型进行训练；利用训练好的分割模型对待检测的人耳图形进行解刨学分割。本发明能够对人耳图像进行分割，并提高分割精度。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于语义分割网络的人耳图像解刨学分割方法。

背景技术

现代人们对健康、养生相关方面的重视程度日益增加，耳穴疗法作为一种简易有效的保健手段逐渐受到人们的欢迎。耳穴定位是耳穴疗法的重要前提，但是人耳耳穴数量多耳郭面积小，且每个人的耳郭形状不尽相同，所以耳穴定位具有一定难度。绝大部分耳穴分布于依据耳郭解剖结构划分的耳轮、耳周、三角窝、对耳轮、耳甲、对耳屏、耳屏、耳垂八个区域内。将人耳准确的依据解剖学划分为8个区域是耳穴的精准定位的重要前提，但是耳穴分布密集且耳郭形状差异会导致耳穴位置的差异，对于中医初学者或者非专业人士来说，耳穴定位具有一定难度。

现有技术无法依照人耳解剖学特征将人耳精准分割为八部分，提取能力不足以精确的获取人耳图像中的语义信息以及细节、边缘信息粗糙，以至于分割精度较低。

发明内容

本发明针对现有技术无法的缺陷，提供了一种基于语义分割网络的人耳图像解刨学分割方法。实现对耳郭区域的分割，可将耳穴的定位区域大大缩小，将为耳穴的自动定位奠定重要基础，不仅对非专业人士增加对耳穴疗法的认识或者开发耳穴疗法相关的智能仪器具有参考重要意义，而且对于耳穴解剖学分割教学以及更细致化的人耳识别等都有重要的意义。

为了实现以上发明目的，本发明采取的技术方案如下：

一种基于语义分割网络的人耳图像解刨学分割方法，包括：

S101：在USTB-Helloear数据库中选取来自不同个人的200张左耳图像作为训练数据。使用labelme作为标注工具，对每张图像的耳轮、耳周、三角窝、对耳轮、耳甲、对耳屏、耳屏、耳垂八个区域进行标注。制作人耳分割数据集，其中数据集分为：训练集、验证机和测试集三部分，之后对数据集中的训练集进行一系列的预处理操作，预处理操作包括数据增强，数据增强包括：随机翻转、明暗度调节、仿射变换。

S102：对U-Net网络按照预设的方法进行改进，包括：采用增加注意力机制的方法，将U-Net网络中的编码器-解码器对称结构中的解码器结构新增注意力机制作为特征提取网络。在U-Net网络中构建空间卷积池化金字塔，以不同采样率的空洞卷积并行采样，引入更多的上下文信息，扩大感受野。

S103：对预处理后的人耳图像，使用改进的U-Net网络训练语义分割模型；

S104：基于语义分割模型对测试数据集进行检测，将人耳图像依据解刨学特征分为八个区域；

S105：检测结果采用mIou评估方式，对改进的U-Net网络模型进行有效性评估和验证。

进一步地，200张左耳图像中其中选160张做训练集，20张做验证集，20张做测试集；

进一步地，随机翻转：包括水平翻转、垂直翻转和对角线翻转。将一个n*n的二维矩阵分别左右翻转180度、上下旋转180度以及顺时针旋转180度；

进一步地，明暗度调节为：在图像的HSV颜色空间中，随机改变饱和度、亮度和对比度。其中亮度便是图像的明暗程度；饱和度指的图像颜色种类的多少；对比度则是图像最大灰度级和最小灰度级之间的差值；

先将数字图像进行归一化处理，且变为浮点型，颜色空间转换BGR为HLS，其中HLS空间，三个通道分别是：Hue色相、Lightness亮度、saturation饱和度；然后分别对亮度和饱和度进行线性变化处理，并创建两个滑动条可手动分别调整亮度和饱和度。