[发明专利]一种基于U型网络的图像分割方法和系统

说明书

本发明提供了一种基于U型网络的图像分割方法和系统，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。本发明可以有效提高图像分割速度及图像分割质量。

技术领域

本发明涉及图像分割技术领域，具体涉及一种基于U型网络的图像分割方法和系统。

背景技术

在图像的研究和应用中，人们往往对图像中的某些部分感兴趣，这些感兴趣的部分往往是图像中特定的、具有特殊性质的区域，我们把这些区域称为目标或者前景，而其他部分称为图像的背景。为了辨识和分析目标，需要把目标从一副图像的背景中孤立出来，这就是图像分割要解决的问题。在一些应用场景中，图像分析扮演着重要的角色。其中，图像分割是图像分析的第一步，图像分割接下来的任务如特征提取、目标识别的好坏，都取决于图像分割的质量如何。现有的方法多是基于传统方法，例如基于阈值的分割，基于边缘的分割，基于区域的分割，基于图论的分割，基于能量泛函的分割等。然而这些方法大多采用边界模糊识别导致图像分割质量不佳，并且还存在分割速度较慢的问题，限制了应用场景的使用范围。

发明内容

鉴于上述问题，本发明实施例提供一种基于U型网络的图像分割方法和系统，解决现有技术高图像分割速度慢及图像分割质量差的技术问题。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，一种基于U型网络的图像分割方法，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。

本发明一实施例中，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。

本发明一实施例中，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。

本发明一实施例中，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。

第二方面，本发明实施例提供一种基于U型网络的图像分割系统，包括：