一种基于ResNet与UNet模型的图像分割方法技术

本发明专利技术公开了一种基于ResNet与UNet模型的图像分割方法，将原始的RGB三通道图像大小进行调整，并对应调整标签图像大小；将调整后的RGB图像作为UNet图像分割模块的输入；将调整后的RGB图像作为ResNet特征提取模块的输入，保留前三层的输出结果替换UNet第三、四、五层的输出结果；得到基于ResNet和UNet的图像分割训练模型，并对模型进行训练；将训练得到的模型参数作为预测模型，进行图像分割。本发明专利技术利用ResNet在特征提取方面的优势，提高图像分割的质量，解决单一UNet模型应用于图像分割易产生的特征提取不够准确，区域一致性差，边界模糊的问题。

【技术实现步骤摘要】
一种基于ResNet与UNet模型的图像分割方法
本专利技术属于图像处理
，具体涉及一种基于ResNet与UNet模型的图像分割方法。
技术介绍
图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。图像分割是从图像处理到图像分析的重要步骤，是目标分类和识别的基础。经典的图像分割方法有以下四种：基于阈值的分割方法：阈值分割方法原理是通过设定不同的特征阈值，把图像像素点分为若干类。首先从原始图像中的灰度或彩色特征按一定的准则找到特征值，将图像分为若干部分。这类方法实现简单、计算量小，但是当原始图像中包含的信息比较复杂时，得到的结果并不准确。基于区域的分割方法：主要有区域生长方法和区域分裂与合并方法两种。区域生长是根据事先定义的标准将像素或者子区域聚合成更大区域的过程，从一个或若干个生长点开始，将与该生长点性质相似的相邻像素或者区域生长点合并，形成新的生长点，重复此过程直到无法继续更新为止。生长点和相邻区域的相似性判据可以是灰度值、纹理或者颜色等信息。区域分裂与合并是将图像分割为一系列任意且不相交的本文档来自技高网...

【技术保护点】
1.一种基于ResNet与UNet模型的图像分割方法，其特征在于，包括以下步骤：/nS1、将原始的RGB三通道图像大小进行调整，并对应调整标签图像大小；/nS2、将步骤S1调整后的RGB图像作为UNet图像分割模块的输入；/nS3、将步骤S1调整后的RGB图像作为ResNet特征提取模块的输入，保留前三层的输出结果替换UNet第三、四、五层的输出结果，得到基于ResNet和UNet的图像分割训练模型，并对模型进行训练；/nS4、将训练得到的模型参数作为预测模型，进行图像分割。/n

【技术特征摘要】
1.一种基于ResNet与UNet模型的图像分割方法，其特征在于，包括以下步骤：
S1、将原始的RGB三通道图像大小进行调整，并对应调整标签图像大小；
S2、将步骤S1调整后的RGB图像作为UNet图像分割模块的输入；
S3、将步骤S1调整后的RGB图像作为ResNet特征提取模块的输入，保留前三层的输出结果替换UNet第三、四、五层的输出结果，得到基于ResNet和UNet的图像分割训练模型，并对模型进行训练；
S4、将训练得到的模型参数作为预测模型，进行图像分割。


2.根据权利要求1所述的基于ResNet与UNet模型的图像分割方法，其特征在于，步骤S1中，RGB三通道图像大小调整为400×320×3，对应的标签图像大小调整为400×320×1。


3.根据权利要求1所述的基于ResNet与UNet模型的图像分割方法，其特征在于，步骤S2具体为：
S201、设置卷积核大小为3×3，步长为1的卷积层；
S202、设置卷积核大小为2×2的池化层；
S203、设置卷积核大小为2×2，步长为2的反卷积层；
S204、将调整后的RGB图像作为输入，进行下采样操作后每一层的大小分别为：400×320×64，200×160×128，100×80×256，50×40×512，25×20×1024；
S205、进行上采样操作，并将每一层大小相同的输出进行拼接，之后进行卷积操作，
S206、对最后一层...

【专利技术属性】
技术研发人员：侯彪，焦李成，付勐，马晶晶，张向荣，马文萍，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61