[发明专利]一种基于U型网络的图像分割方法和系统

权利要求书

1.一种基于U型网络的图像分割方法，其特征在于，包括：

构建由多层卷积组成的编码网络，通过编码网络对待处理图像逐层进行下采样，使得输出的特征图的通道数量逐层翻倍；

构建与多层卷积对称的由多层反卷积组成的解码网络，通过解码网络对编码网络最后一层下采样输出的特征图逐层进行上采样，使得输出的特征图的通道数量逐层减半；

在解码网络完成首次上采样操作后，将下采样与上采样输出的通道数量相同的特征图作为双向卷积-长短期记忆网络的输入，并将双向卷积-长短期记忆网络的输出作为下一层上采样的输入；

调整解码网络最后一层输出的特征图的通道数量，生成图像分割结果。

2.如权利要求1所述的一种基于U型网络的图像分割方法，其特征在于，所述通过编码网络对待处理图像逐层进行下采样包括：

在编码网络中前三层卷积均利用两个3*3的卷积层对待处理图像连续进行两次特征提取，并且在第一次特征提取时采用非线性激活函数，在第二次特征提取后进行下一层下采样时采用最大值池化处理；

在第四层卷积中利用四个3*3的卷积层对上一层输出的特征图连续进行特征提取，并且在每一次特征提取时采用非线性激活函数。

3.如权利要求1所述的一种基于U型网络的图像分割方法，其特征在于，所述通过解码网络对编码网络最后一层下采样输出的特征图逐层进行上采样包括：

在解码网络中前三层反卷积均利用两个2*2的反卷积层对解码网络对编码网络最后一层下采样输出的特征图连续进行两次特征还原，并且在两次特征还原时均采用非线性激活函数，在第二次特征还原后进行下一层上采样时依次进行数据相关型上采样处理和批标准化处理。

4.如权利要求1所述的一种基于U型网络的图像分割方法，其特征在于，所述调整解码网络最后一层输出的特征图的通道数量包括：

利用两个2*2的反卷积层级联两个1*1的反卷积层对特征图的通道数量进行调整。

5.一种基于U型网络的图像分割系统，其特征在于，包括：

特征编码模块：用于构建由多层卷积组成的编码网络，通过编码网络对待处理图像逐层进行下采样，使得输出的特征图的通道数量逐层翻倍；

特征解码模块：用于构建与多层卷积对称的由多层反卷积组成的解码网络，通过解码网络对编码网络最后一层下采样输出的特征图逐层进行上采样，使得输出的特征图的通道数量逐层减半；

特征传递模块：用于在解码网络完成首次上采样操作后，将下采样与上采样输出的通道数量相同的特征图作为双向卷积-长短期记忆网络的输入，并将双向卷积-长短期记忆网络的输出作为下一层上采样的输入；

结果生成模块：用于调整解码网络最后一层输出的特征图的通道数量，生成图像分割结果。

6.如权利要求5所述的一种基于U型网络的图像分割系统，其特征在于，所述特征编码模块中的通过编码网络对待处理图像逐层进行下采样包括：

在编码网络中前三层卷积均利用两个3*3的卷积层对待处理图像连续进行两次特征提取，并且在第一次特征提取时采用非线性激活函数，在第二次特征提取后进行下一层下采样时采用最大值池化处理；

在第四层卷积中利用四个3*3的卷积层对上一层输出的特征图连续进行特征提取，并且在每一次特征提取时采用非线性激活函数。

7.如权利要求5所述的一种基于U型网络的图像分割系统，其特征在于，所述特征解码模块中的通过解码网络对编码网络最后一层下采样输出的特征图逐层进行上采样包括：

在解码网络中前三层反卷积均利用两个2*2的反卷积层对解码网络对编码网络最后一层下采样输出的特征图连续进行两次特征还原，并且在两次特征还原时均采用非线性激活函数，在第二次特征还原后进行下一层上采样时依次进行数据相关型上采样处理和批标准化处理。

8.如权利要求5所述的一种基于U型网络的图像分割系统，其特征在于，所述结果生成模块中的调整解码网络最后一层输出的特征图的通道数量包括：

利用两个2*2的反卷积层级联两个1*1的反卷积层对特征图的通道数量进行调整。