[发明专利]图像识别方法和设备

说明书

本发明提供一种图像识别方法和设备，所述方法包括：获取图像；根据所述图像内的像素点的像素值在所述图像中标记出感兴趣像素点；根据所述感兴趣像素点在所述图像中的分布情况对所述感兴趣像素点中的噪声进行排除处理；利用机器学习模型对标记了经过排除处理后剩余的感兴趣像素点的所述图像进行识别，以在所述图像中标记识别目标的像素点，其中所述机器学习模型是利用标记有识别目标像素点的样本图像和标记有非识别目标像素点的样本图像进行训练得到的。

技术领域

本发明涉及医疗图像处理领域，具体涉及一种图像识别方法和设备。

背景技术

利用机器学习算法和模型对图像进行识别是一种高效的方式，也是诸如自动驾驶、智能摄像、机器人等众多领域的底层技术。

利用机器学习模型(例如神经网络)进行图像识别之前，首先要使用样本图像对模型进行训练，训练的方式通常是：1.由人工在图像中标记出感兴趣目标，并生成目标区域标识信息；2.使用标注生成的标识信息和图像一同输入深度神经网络；3.训练深度神经网络，待其收敛。然后则可以利用经过训练的机器学习模型从图像中识别并标记出感兴趣目标。

对于模型的训练阶段，在上述方式中，第1步要求标注者描画出图片中所有可能为目标的区域，对于没有被描画出的目标，会被机器学习模型默认为背景，影响训练结果，进而影响识别准确度。现有的基于机器学习的图像识别方法的局限有：需要大量标注过的图片、人力成本较高，对于一些较难标注的图片如目标过于不规则、目标过小、目标过多的情况，目标的标注为一大难题。所以目前多数样本图像中只标记了单一且明显的感兴趣目标。

对于模型的输出结果，由于训练阶段所使用的样本图像中的特征比较简单，所以利用机器学习模型直接对图像进行识别时，对于复杂的图像，感兴趣区域的位置、形状、尺寸不确定性很强，由此使得模型的输出结果准确性较差。

发明内容

有鉴于此，本发明提供一种图像识别方法，包括：

获取图像；

根据所述图像内的像素点的像素值在所述图像中标记出感兴趣像素点；

根据所述感兴趣像素点在所述图像中的分布情况对所述感兴趣像素点中的噪声进行排除处理；

利用机器学习模型对标记了经过排除处理后剩余的感兴趣像素点的所述图像进行识别，以在所述图像中标记识别目标的像素点，其中所述机器学习模型是利用标记有识别目标像素点的样本图像和标记有非识别目标像素点的样本图像进行训练得到的。

可选地，所述根据所述图像内的像素点的像素值在所述图像中标记出感兴趣像素点，包括：

对所述图像进行预处理以增强像素点的特征；

根据预处理后的所述图像内的像素点的像素值在所述图像中标记出感兴趣像素点。

可选地，采用下列公式对所述图像进行预处理：

dst＝α·src1+β·src2+γ，

其中，dst为预处理后的图像像素矩阵，src1为所述图像的像素矩阵，src2是对所述图像进行高斯模糊处理后的图像的像素矩阵，α、β是用于控制图像融合时的占比的参数，γ是用于控制图像整体亮度的参数。

可选地，所述根据所述图像内的像素点的像素值在所述图像中标记出感兴趣像素点，包括：

在所述图像中确定特定区域；

根据所述特定区域以外的像素点的像素值在所述图像中标记出感兴趣像素点。

可选地，所述根据所述图像内的像素点的像素值在所述图像中标记出感兴趣像素点，包括：

将所述图像划分为多个区域，所述多个区域中的不同的区域间相互有部分重合；