[发明专利]一种基于深度网络的皮肤损伤图片分割方法

摘要

本发明涉及人工智能领域，更具体的，涉及一种基于深度网络的皮肤损伤图片分割方法，本发明不进行手工提取皮肤图片特征来进行分割任务，而是使用训练数据去自行学习适合于分割任务的深度卷积特征；本发明的预处理非常简单，只是进行图片像素值的归一化；此外，相比TDLS和Jafari使用引导滤波器的预处理方式解决光照和对比度变化较大的问题，本发明通过数据增强的方式丰富训练数据，让模型自行学习最优的特征表示以进行分割；本发明在真阳性率的指标上超过了现有的方法，而且在GPU和CPU上的运行时间都远低于现有的模型，可以做到实时的皮肤图像分割；本发明还使用了全连接的条件随机场作为后处理方法，可以有效地利用低层次的纹理颜色特征，锐化边缘区域的分割。

主权项

1.一种基于深度网络的皮肤损伤图片分割方法，其特征在于，包括以下步骤：步骤S1：对测试图像进行增强和预处理；步骤S2：将预处理后的测试图像输入到的卷积神经网络中进行训练，得到初步的分割结果和概率输出，根据初步的分割结果以及概率输出对卷积神经网络进行参数调整；步骤S3：对训练图像进行增强和预处理；步骤S4：将预处理后的训练图像输入到训练完成的卷积神经网络中进行训练，得到初步的分割结果以及概率输出；步骤S5：将分割结果和概率输出在全连接的条件随机场中进行迭代处理，得到最终的分割结果。