[发明专利]感兴趣区域修正方法和设备

说明书

本发明提供一种感兴趣区域修正方法和设备，所述方法包括：呈现标记有第一感兴趣区域的图像；获取用户在所述第一感兴趣区域中选定的排除区域，以及获取用户在所述图像中选定的初始区域；在所述初始区域中提取多个第一种子点；根据所述多个第一种子点和所述排除区域进行区域生长以确定至少一个生长区域；根据所述至少一个生长区域和所述初始区域确定第二感兴趣区域。

技术领域

本发明涉及图像处理领域，具体涉及一种感兴趣区域修正方法和设备。

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。

在人工在图像中标记出感兴趣目标的过程中，需要标注者根据感兴趣目标的位置和形状等情况进行手工描绘。图1示出了一副医疗领域中的眼底图像，其中包含一个病变区域，该区域的轮廓是一个不规则的多边形。标注者需要在图像中标注出该病变区域，目前图像的标注手段通常是基于Labelimg和精灵标注助手等标注工具，使用圆形、矩形等多边形将眼底图像的病变特征标出，所标记的区域的轮廓与目标的轮廓之间有很大的误差。

上述标注结果仅能满足图像识别和检测的需求，却不能满足更高级的需求，如图对感兴趣目标进行分割的需求。在面对更高级的需求时，往往需要感兴趣目标的轮廓进行更精确的标注，如果使用人工标注，将消耗大量的人力与时间成本。

发明内容

有鉴于此，本发明提供一种感兴趣区域修正方法，包括：

呈现标记有第一感兴趣区域的图像；

获取用户在所述第一感兴趣区域中选定的排除区域，以及获取用户在所述图像中选定的初始区域；

在所述初始区域中提取多个第一种子点；

根据所述多个第一种子点和所述排除区域进行区域生长以确定至少一个生长区域；

根据所述至少一个生长区域和所述初始区域确定第二感兴趣区域。

可选地，所述获取用户在所述第一感兴趣区域中选定的排除区域，以及获取用户在所述图像中选定的初始区域，包括：

获取用户在所述第一感兴趣区域中选定的排除区域；

在确定用户完成选定排除区域的操作后，呈现不含标记的所述图像；

获取用户在所述图像中选定的初始区域。

可选地，所述在所述初始区域中提取多个第一种子点，包括：

获取所述初始区域中的全部像素点；

对所述全部像素点进行腐蚀处理以筛选出多个离散的像素点作为第一种子点。

可选地，所述根据所述多个第一种子点和所述排除区域进行区域生长以确定至少一个生长区域，包括：

分别提取所述多个第一种子点的特征值；

确定所述图像中的轮廓；

分别以所述多个第一种子点作为起始点，以第一条件、第二条件和第三条件进行区域生长，获得至少一个生长区域，其中所述第一条件为相邻像素点的特征值的差异是否小于预设阈值，所述第二条件为像素点是否为所述轮廓上的像素点，所述第三条件为像素点是否为排除区域内的像素点。

可选地，所述第二感兴趣区域中包括全部所述生长区域以及所述初始区域。