[发明专利]基于图像分割结果评价的交互式分割性能优化方法

说明书

本发明公开了一种基于卷积神经网络分割质量评价的交互式分割优化方法，旨在解决现有技术中交互式分割方法的分割参数人工选择耗时耗力，同时交互分割参数固定而导致交互式分割结果准确率不高的问题；本发明提出了一种新的基于分割质量评价的自动选择交互式分割方法参数以获取最优分割的方法，利用分割质量评价来获得最优的分割参数从而提高了分割的准确性，其中分割质量评价采用基于卷积神经网络的方法，保证了评价的高准确率，构建了一个新的交互式分割性能优化结构；本发明适用于图像处理领域相关领域。

技术领域

本发明属于图像处理领域，具体涉及一种基于图像分割结果评价的交互式分割性能优化方法。

背景技术

图像分割是图像处理、计算机视觉领域中的关键技术，图像分割是通过给图像上每个像素点打标签的方法将数字图像分割成不同的像素区域，使得同一个像素区域具有某种共同的视觉特性。图像分割的目的是简化或者改变图像的表示方式，使之更有实际意义以及更易于分析理解。图像分割往往是图像分析的第一步，其结果对后续特征提取、图像分类、图像理解都具有很重要的意义。

在图像分割领域中，交互式分割或者说基于先验的分割方法是一个重要的研究部分。由于目前的计算机还无法达到理解高层语义的水平，机器自动分割很难达到预期的目的，而手动分割工程量又十分巨大，因而交互式分割成为了研究热点，尤其当图像对十分复杂时，交互式分割能够更容易提取人们感兴趣的部分、完成分割任务的要求。图像分割方法发展到现在，人们已经提出了很多的交互式分割方法，其中比较有名的是Grabcut，Randomwalker和Active contour model。

交互式分割是指根据用户的交互信息，对图像中的像素点进行判断，决定其属于前景还是背景。交互式分割的主要过程是：进行交互，根据交互信息进行分割，因而交互式分割结果的好坏依赖于初始的交互信息。为了得到更好交互式分割结果，我们对现有的交互式分割方法做了详细的分析，我们发现，交互式分割方法常常是参数化的，不同的参数会得到不同的分割结果，而实际使用过程中，交互式分割参数常常是固定的，这就导致交互式分割结果不一定是最优的。因此，根据输入图像的不同，在现有的交互式分割方法基础上，如何自动地获取最优的分割结果，是一个值得研究的问题。

另一方面，分割结果质量评价方法为我们的研究提供了一个新的思路。分割结果评价，可以在无监督的情况下实现对大批量的分割结果给一个客观评价打分，进而对于交互式分割根据输入图像选择最优结果提供了一条有效的解决方式。因此本发明提出了一个新的基于分割结果质量评价的交互式分割优化方法。本发明首先构建了一个新的基于卷积神经网络的图像分割结果评价结构，该分割结果评价结构具有十分有效的性能。基于该结构，本发明提出了一个根据输入图像结果自动选择交互式分割参数，以获得最优分割结果的方法。

发明内容

本发明的目的在于：针对现有技术中交互式分割方法的分割参数人工选择耗时耗力，同时交互分割参数固定而导致交互式分割结果准确率不高的问题，本申请提供了一种自动选择参数的基于图像分割结果评价的交互式分割性能优化方法。

本发明采用的技术方案如下：

一种基于图像分割结果评价的交互式分割性能优化方法,包括以下步骤：

步骤1：构建基于多尺度卷积神经网络的分割质量评价结构，并根据现有的分割结果数据库对分割质量评价结构进行迭代训练得到卷积神经网络分割质量评价模型；

具体地，所述步骤1的具体步骤为：

步骤1.1:选取质量评价指标，即分割准确值IOU；

步骤1.2：构建基于多尺度卷积神经网络的分割质量评价结构；

步骤1.3：根据现有的分割结果数据库对分割质量评价结构进行迭代训练得到卷积神经网络分割质量评价模型以及模型参数；

步骤2：对样本图像进行交互式分割得到交互式分割结果数据库；