[发明专利]一种对边界误差鲁棒的图像分割方法和装置

说明书

本申请提出了一种对边界误差鲁棒的图像分割方法，涉及深度学习和图像处理技术领域，该方法包括：获取待分割的图像，图像中包括多个像素点；将图像输入预先搭建的图像分割神经网络中，以生成每个像素点的第一分割预测值；获取每个像素点的分割标注值，并根据每个像素点在图像中的位置计算每个像素点的权重；根据图像中任一所述像素点的第一分割预测值、分割标注值和权重计算损失函数，并反向传播所述损失函数，以更新图像分割神经网络的参数；通过更新后的图像分割神经网络生成待分割的图像第二分割预测值。本申请提出的方法可以在分割标注边缘不准确的情况下，得到更好的图像分割结果。

技术领域

本申请涉及深度学习和图像处理技术领域，尤其涉及一种对边界误差鲁棒的图像分割方法和装置。

背景技术

基于神经网络的图像分割方法在很多问题上具有较好的分割准确度。此类方法输入图像后，通过由一系列卷积、池化等操作构成的神经网络，得到输出的分割预测。分割预测在和作为监督信息的分割标注进行损失函数计算后，进行反向传播更新网络权重。常用的图像分割损失函数并不关注分割预测和分割标注的具体形状，而只关注两者像素级别的差值或相交的面积等。分割预测和分割标注在分割边界处的误差，与在距离分割很远处相同大小的误差，会导致同样的损失值。在现实中，作为监督信息的分割标注在边界处并不一定十分准确。而当分割标注在边界处不准确时，即使神经网络给出了正确的分割预测，也会导致上述损失函数值较大，因而相关技术中的基于神经网络的图像分割不够鲁棒。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种对边界误差鲁棒的图像分割方法，以实现在分割标注边缘不准确的情况下，得到更好的图像分割结果

本发明的第二个目的在于提出一种对边界误差鲁棒的图像分割装置。

本发明的第三个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本发明第一方面实施例提出了一种对边界误差鲁棒的图像分割方法，包括以下步骤：

获取待分割的图像，所述图像中包括多个像素点；

将所述图像输入预先搭建的图像分割神经网络中，以生成每个像素点的第一分割预测值；

获取所述每个像素点的分割标注值，并根据所述每个像素点在所述图像中的位置计算所述每个像素点的权重；

根据所述图像中任一所述像素点的第一分割预测值、分割标注值和权重计算损失函数，并反向传播所述损失函数，以更新所述图像分割神经网络的参数；

通过更新后的所述图像分割神经网络生成所述待分割的图像第二分割预测值。

可选地，在本申请的一个实施例中，所述根据所述每个像素点在所述图像中的位置计算所述每个像素点的权重，包括：

计算所述每个像素点的位置至所述图像中分割区域边界的最小距离值；

以所述最小距离值为所述像素点的权重。

可选地，在本申请的一个实施例中，通过以下公式计算所述损失函数：

其中，L_safe(true,pred)是所述损失函数，i是所述任一像素点，true_i是像素点i的分割标注值，pred_i是像素点i的分割预测值，w_i是像素点i的权重，e是平滑项。

可选地，在本申请的一个实施例中，通过以下公式计算所述每个像素点的权重：

w_i＝min_j(D(i,j))