【技术实现步骤摘要】
一种基于神经网络的轮廓演化分割方法技术邻域本专利技术属于图像分割邻域，特别地涉及一种基于神经网络的轮廓演化以及分割方法。涉及到神经网络的表达能力，与基于轮廓演化的分割策略。
技术介绍
图像目标分割与目标识别是计算机视觉与图像处理领域两个基础和重要的任务。变分分割是一种经典的分割方法，其思路是设计一个能量函数，给定一个初始轮廓，然后使用梯度下降方法对能量函数进行优化，使得轮廓进行演化。经过一定时间的迭代，轮廓演化收敛。但是由于能量函数通常是手动设计，需要依赖一定的启发性知识，比如前景区域和背景区域各自内部都是同质的，同颜色、同纹理等。这些手工设计的能量函数限制了区域特征的表达，限定了轮廓演化的方向，因此很多时候这些方法只适用于特定图像和场景。传统变分方法的另一个问题是非常依赖于初始轮廓。如果初始轮廓设置不好，优化问题很可能落入局部最优值。由于神经网络是个万能逼近模型，所以我们使用神经网络来表达轮廓演化过程，其优点是能够自适应地学习和表达前背景区域的特征，以及轮廓演化过程中的演化方向，并且对初始轮廓不敏感。因此，基于神经网络的轮廓演化...
【技术保护点】
1.一种基于神经网络的轮廓演化分割方法，其特征在于，该方法包括如下步骤：/n步骤1：给定RGB图像与对应的分割掩膜真值集合{I
【技术特征摘要】
1.一种基于神经网络的轮廓演化分割方法，其特征在于，该方法包括如下步骤：
步骤1：给定RGB图像与对应的分割掩膜真值集合{Ii，mi}i＝1，2，...，N，其中mi∈{0，1}H×W是二值的，H，W为图像的长宽，i＝1，2，...，N为样本编号，根据数据集规模和任务规模设定用于演化轮廓和估计演化方向的演化方向估计网络f，演化方向估计网络f的输入为演化轮廓φ以及图像I，输出为当前轮廓的演化方向。
步骤2：对某图像I，设定演化的初始轮廓φ0∈(-∞，∞)。
步骤3：将图像I和当前轮廓φt输入到演化方向估计网络f估计当前的演化方向其中t为当前迭代次数，首次输入时，t＝0，当前轮廓为初始轮廓φ0。
步骤4：确定演化步长Δt，更新当前轮廓
步骤5：重复执行步骤3-4，直到达到迭代次数限制，获得最终演化轮廓φT。
步骤6：使用映射函数σ(·)将最终演化轮廓φT∈(-∞，∞)映射到[0，1]范围内，得到预测的分割掩膜q＝σ(φ)，最后将q阈值化得到二值分割结果qout＝q＞τ，其中τ是阈值。
步...
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。