[发明专利]图像分割方法、装置、系统及细胞分割方法

权利要求书

1.一种图像分割方法，其特征在于，包括：

获取原始图像，所述原始图像包括多个待分割对象；

将所述原始图像输入至图像分割模型，通过所述图像分割模型对各所述待分割对象进行特征提取，以获取分割图像；

其中，所述图像分割模型是通过对待训练图像分割模型进行迭代训练和后修正训练得到的，其中所述迭代训练是根据图像样本和与所述图像样本对应的点标注图像样本及边界图像样本进行的，以获取待修正图像分割模型，所述后修正训练是根据与目标分割图像对应的第一边缘信息和第三边缘信息，以及与所述图像样本对应的第二边缘信息进行的，以获取所述图像分割模型，所述目标分割图像为所述待修正图像分割模型对所述图像样本处理得到的图像；所述第一边缘信息为对所述目标分割图像进行边缘提取所获取的，所述第二边缘信息为对所述图像样本中的待分割对象进行边缘检测所获取的，所述第三边缘信息为对所述目标分割图像中的待分割对象进行边缘检测所获取的。

2.根据权利要求1所述的图像分割方法，其特征在于，所述对所述待训练图像分割模型进行迭代训练，包括：

获取所述图像样本，与所述图像样本对应的初始点标注图像样本及边界图像样本；

根据所述图像样本、所述初始点标注图像样本和所述边界图像样本对待训练图像分割模型进行迭代训练，以获取所述待修正图像分割模型。

3.根据权利要求2所述的图像分割方法，其特征在于，所述根据所述图像样本、所述初始点标注图像样本和所述边界图像样本对待训练图像分割模型进行迭代训练，以获取所述待修正图像分割模型，包括：

将所述图像样本输入至第N轮待训练图像分割模型进行特征提取，以获取第N轮输出图像，其中N为正整数；

根据所述第N轮输出图像和第N轮点标注图像样本确定点损失函数，并根据所述第N轮输出图像和所述边界图像样本确定边界损失函数，其中所述第N轮点标注图像样本为训练后的第N-1轮待训练图像分割模型对所述图像样本进行处理得到的输出图像经距离过滤所得到的图像，当N=1时，第一轮点标注图像样本为对所述初始点标注图像样本进行距离过滤所得到的图像；

根据所述点损失函数和所述边界损失函数对所述待训练图像分割模型的参数进行优化，并将参数优化后的待训练图像分割模型作为第N+1轮待训练图像分割模型；

对所述第N轮输出图像进行距离过滤，以获取第N+1轮点标注图像样本；

根据所述图像样本、所述边界图像样本和所述第N+1轮点标注图像样本对所述第N+1轮待训练图像分割模型进行训练；

重复上述步骤，直至完成预设次数的训练，以获取所述待修正图像分割模型；

其中，所述距离过滤是根据目标像素点与预设区域内不同背景像素点的距离和一确定所述目标像素点与各所述背景像素点的相对距离，并将所述相对距离大于零的目标背景像素点作为前景像素点，所述目标像素点为所述第N轮输出图像中的前景像素点。

4.根据权利要求3所述的图像分割方法，其特征在于，所述根据所述第N轮输出图像和第N轮点标注图像样本确定点损失函数，包括：

获取所述第N轮输出图像和所述第N轮点标注图像样本之间的图像信息差；

对所述第N轮点标注图像样本进行线性修正，以获取点标注修正项；

根据所述点标注修正项和所述图像信息差确定所述点损失函数。

5.根据权利要求3所述的图像分割方法，其特征在于，所述根据所述第N轮输出图像和所述边界图像样本确定边界损失函数，包括：

对所述边界图像样本进行线性修正，以获取边界修正项；

根据所述第N轮输出图像和所述边界修正项确定所述边界损失函数。