【技术实现步骤摘要】
一种基于深度图学习的图像分割方法及装置
本专利技术涉及图像处理
，具体的说是一种基于深度图学习的图像分割方法及装置。
技术介绍
图像分割是图像分析的重要基础。基于学习的方法已成为图像分割的一种主流方法。然而现有的基于学习的方法忽略了像素之间的关联性信息，降低了分割性能。因此，如何有效挖掘和利用像素点之间的关联性信息，提高图像分割精度，具有重要的研究意义和应用价值。
技术实现思路
本专利技术针对现有基于学习的方法因忽略了像素之间的关联性信息而降低图像分割精度的问题，提供一种基于深度图学习的图像分割方法及装置。首先，本专利技术提供一种基于深度图学习的图像分割方法，解决上述技术问题采用的技术方案如下：一种基于深度图学习的图像分割方法，该方法的实现过程包括：(一)训练部分：步骤一、采集图像，将所采集图像作为样本图像；步骤二、利用局部信息对图像的噪声像素进行校正；步骤三、利用图像的灰度信息以及空间信息，将校正后的图像抽象成一个相似性图；步骤四、将抽象得到的相似性图输入图卷积神经网络，获取像素点之间的关联性信息，得到相似性图的分割结果；步骤五、循环执行步骤一至步骤四，尤其学...
【技术保护点】
1.一种基于深度图学习的图像分割方法，其特征在于,该方法的实现过程包括：(一)训练部分：步骤一、采集图像，将所采集图像作为样本图像；步骤二、利用局部信息对图像的噪声像素进行校正；步骤三、利用图像的灰度信息以及空间信息，将校正后的图像抽象成一个相似性图；步骤四、将抽象得到的相似性图输入图卷积神经网络，获取像素点之间的关联性信息，得到相似性图的分割结果；步骤五、循环执行步骤一至步骤四，尤其学习同一张图像中像素点之间的关联性信息和得到的分割结果，在图卷积神经网络的基础上训练并构建图卷积神经网络模型；(二)分割部分：步骤一、采集图像，所采集图像作为待分割图像；步骤二、对图像的噪声像...
【技术特征摘要】
1.一种基于深度图学习的图像分割方法，其特征在于,该方法的实现过程包括：(一)训练部分：步骤一、采集图像，将所采集图像作为样本图像；步骤二、利用局部信息对图像的噪声像素进行校正；步骤三、利用图像的灰度信息以及空间信息，将校正后的图像抽象成一个相似性图；步骤四、将抽象得到的相似性图输入图卷积神经网络，获取像素点之间的关联性信息，得到相似性图的分割结果；步骤五、循环执行步骤一至步骤四，尤其学习同一张图像中像素点之间的关联性信息和得到的分割结果，在图卷积神经网络的基础上训练并构建图卷积神经网络模型；(二)分割部分：步骤一、采集图像，所采集图像作为待分割图像；步骤二、对图像的噪声像素进行校正；步骤三、利用图像的灰度信息以及空间信息，将校正后的图像抽象成一个相似性图；步骤四、将抽象得到的相似性图输入图卷积神经网络模型，得到分割结果。2.根据权利要求1所述的一种基于深度图学习的图像分割方法，其特征在于，利用局部信息对图像的噪声像素进行校正的具体步骤包括：1)在图像中选择N*N邻域；2)基于N*N邻域，依次计算中心像素的灰度值S、周围像素的灰度平均值M、周围像素灰度方差V；3)设置阈值T，计算|S-M|/V；4)在|S-M|/V的计算结果大于T时，则认为该中心像素是噪声，对中心像素进行灰度校正，将中心像素的像素值改为M。3.根据权利要求1所述的一种基于深度图学习的图像分割方法，其特征在于，将校正后的图像抽象成相似性图的具体步骤包括：1)以每个像素为节点，以像素之间的相似性信息为边，构造相似性图；2)基于图像的颜色信息，利用欧式距离比较两两像素之间的相似性，同时，设置阈值T1；3)基于像素的空间位置信息，比较两两像素之间的相似性，同时，设置阈值T2；4)如果两个像素的颜色差值小于T1且空间差值小于T2，则认为这两个像素是有关联性的，则将这两个像素建立一条边；5)针对两两像素，重复步骤1)-4)，最终构建完整的相似图。4.根据权利要求1所述的一种基于深度图学习的图像分割方法，其特征在于，所述图卷积...
【专利技术属性】
技术研发人员：于治楼，计晓贇，袭肖明，
申请(专利权)人：山东浪潮人工智能研究院有限公司，
类型：发明
国别省市：山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。