[发明专利]一种基于神经网络的轮廓演化分割方法

权利要求书

1.一种基于神经网络的轮廓演化分割方法，其特征在于，该方法包括如下步骤：

步骤1：给定RGB图像与对应的分割掩膜真值集合{Iⁱ，mⁱ}_{i＝1，2，...，N}，其中mⁱ∈{0，1}^H×W是二值的，H，W为图像的长宽，i＝1，2，...，N为样本编号，根据数据集规模和任务规模设定用于演化轮廓和估计演化方向的演化方向估计网络f，演化方向估计网络f的输入为演化轮廓φ以及图像I，输出为当前轮廓的演化方向；

步骤2：对某图像I，设定演化的初始轮廓φ⁰∈(-∞，∞)；

步骤3：将图像I和当前轮廓φ^t输入到演化方向估计网络f估计当前的演化方向其中t为当前迭代次数，首次输入时，t＝0，当前轮廓为初始轮廓φ⁰；

步骤4：确定演化步长Δt，更新当前轮廓

步骤5：重复执行步骤3-4，直到达到迭代次数限制，获得最终演化轮廓φ^T；

步骤6：使用映射函数σ(·)将最终演化轮廓φ^T∈(-∞，∞)映射到[0，1]范围内，得到预测的分割掩膜q＝σ(φ)，最后将q阈值化得到二值分割结果q_out＝q＞τ，其中τ是阈值；

步骤7：训练演化方向估计网络f时，设定预测的分割掩膜q和掩膜真值m的误差损失作为网络f的损失函数并进行训练；

步骤8：采集测试图像I_test，并设定该测试图像的初始轮廓φ⁰，将轮廓φ连同图像I_test一起输入到网络f中，按照步骤3-6的方法即可得到测试图像I_test的最终分割结果q_out。

2.根据权利要求1中所述的方法，其特征在于，所述步骤1中，演化方向估计网络f可以为全连接网络或者卷积神经网络。

3.根据权利要求1中所述的方法，其特征在于，所述步骤2中，初始轮廓为通过已有模型方法得到的初始轮廓，或者是任意人工交互手动设计的初始轮廓，或者是符合某种数学表达的初始轮廓。

4.根据权利要求1中所述的方法，其特征在于，所述步骤4中的更新过程可以使用固定演化步长Δt，也可使用微分方程数值方法自动确定步长。

5.根据权利要求1所述的方法，其特征在于，所述步骤6中，映射函数σ(·)满足其中是实数域。