[发明专利]图像处理方法、装置及设备

说明书

本申请提供一种图像处理方法、装置及设备，涉及图像处理技术，该方法包括：获取多个待识别图像；根据预设的混合U‑Net网络算法中的编码算法，对待识别图像进行二维卷积处理和三维卷积处理，得到初步特征图；混合U‑Net网络算法包括编码算法和解码算法，编码算法和解码算法均用于通过残差学习网络在二维卷积层和三维卷积层对图像进行卷积处理；根据解码算法对初步特征图进行解码处理，得到目标特征图。本申请的方法，提高了网络的分割精度，实现了识别出的医学图像中的病灶位置精确性较低的技术问题。

技术领域

本申请涉及图像处理技术，尤其涉及一种图像处理方法、装置及设备。

背景技术

目前，为了识别医学图像中的病灶位置，需要对医学图像进行识别。

现有技术中，对医学图像中的病灶位置进行识别时，可以根据基于纹理特征的医学图像分割方法，基于纹理特征的医学图像分割方法是根据图像或图像区域所对应目标的纹理分布特征，对区域内多个像素点进行统计，进而计算图像的像素分布状态。

然而现有技术中，由于纹理特性反映的只是目标物体局部的分布特性，仅用纹理特性不能获取更高层次的图像信息，尤其在图像包含多个纹理特征的情况下很容易导致过分割的情况出现，进而导致识别出的医学图像中的病灶位置精确性较低。

发明内容

本申请提供一种图像处理方法、装置及设备，用以解决识别出的医学图像中的病灶位置精确性较低的技术问题。

第一方面，本申请提供一种图像处理方法，包括

获取多个待识别图像；

根据预设的混合U-Net网络算法中的编码算法，对所述待识别图像进行二维卷积处理和三维卷积处理，得到初步特征图；其中，所述混合U-Net网络算法包括编码算法和解码算法，所述编码算法和所述解码算法均用于通过残差学习网络在二维卷积层和三维卷积层对图像进行卷积处理；

根据所述解码算法对所述初步特征图进行解码处理，得到目标特征图；其中，所述目标特征图表征通过解码处理得到的多个像素点，多个所述像素点包括目标位置所占用的像素点、以及所述目标位置以外的背景所占用的像素点。

进一步地，根据预设的混合U-Net网络算法中的编码算法，对所述待识别图像进行二维卷积处理和三维卷积处理，得到初步特征图，包括：

根据预设的混合U-Net网络算法中编码算法的残差学习网络，在二维卷积层对所述待识别图像进行二维卷积处理，得到二维特征图；其中，所述编码算法的二维卷积层包括2层；

在三维卷积层对所述二维特征图进行三维卷积处理，得到初步特征图；其中，所述编码算法的三维卷积层包括3层。

进一步地，根据所述解码算法对所述初步特征图进行解码处理，得到目标特征图，包括：

根据所述解码算法中的残差学习网络，在三维卷积层对所述初步特征图进行三维卷积处理，得到三维特征图像；其中，所述解码算法中的三维卷积层包括2层；

在二维卷积层对所述三维特征图进行二维卷积处理，得到卷积特征图；其中，所述解码算法中的二维卷积层包括2层；

利用预设的归一化指数函数，对所述卷积特征图进行卷积处理，得到目标特征图；其中，所述目标特征图表征通过解码处理得到的多个像素点，多个所述像素点包括目标位置所占用的像素点、以及所述目标位置以外的背景所占用的像素点。

进一步地，在根据预设的混合U-Net网络算法中的编码算法，对所述待识别图像进行二维卷积处理和三维卷积处理，得到初步特征图之后，还包括：

根据预设的空洞卷积算法，对所述初步特征图进行空洞卷积处理，得到第一特征图；其中，所述第一特征图的感受野大于初步特征图的感受野，所述感受野表征第一特征图中局部特征图的像素点在待识别图像上的映射区域。

进一步地，所述方法还包括：