[发明专利]一种基于深度图学习的图像分割方法及装置

摘要

本发明公开一种基于深度图学习的图像分割方法，涉及图像处理技术领域，包括训练部分和分割部分；在训练部分，通过采集图像、校正图像、将校正后的图像抽象成一个相似性图、利用图卷积神经网络分割相似图并得到分割结果，最终通过深度学习构建图卷积神经网络模型；在分割部分，则通过采集图像、校正图像、将校正后的图像抽象成一个相似性图、利用图卷积神经网络模型分割相似图并得到分割结果，由此基于图像中像素之间的关联性信息，实现了图像的高精度分割。本发明还提供一种基于深度图学习的图像分割方法及装置，同样可以实现图像的高精度分割。

主权项

1.一种基于深度图学习的图像分割方法，其特征在于,该方法的实现过程包括：(一)训练部分：步骤一、采集图像，将所采集图像作为样本图像；步骤二、利用局部信息对图像的噪声像素进行校正；步骤三、利用图像的灰度信息以及空间信息，将校正后的图像抽象成一个相似性图；步骤四、将抽象得到的相似性图输入图卷积神经网络，获取像素点之间的关联性信息，得到相似性图的分割结果；步骤五、循环执行步骤一至步骤四，尤其学习同一张图像中像素点之间的关联性信息和得到的分割结果，在图卷积神经网络的基础上训练并构建图卷积神经网络模型；(二)分割部分：步骤一、采集图像，所采集图像作为待分割图像；步骤二、对图像的噪声像素进行校正；步骤三、利用图像的灰度信息以及空间信息，将校正后的图像抽象成一个相似性图；步骤四、将抽象得到的相似性图输入图卷积神经网络模型，得到分割结果。