一种图像分割方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种图像分割方法、装置、电子设备及存储介质，所述图像分割方法包括：以每个候选采样起始点为实际采样起始点，对待分割原始图像进行降采样，分别获得与每个所述候选采样起始点对应的降采样图像；将所述降采样图像分别输入至预先训练好的神经网络模型，分别获得每张降采样图像对应的感兴趣区域分割图像；将每张降采样图像对应的感兴趣区域分割图像分别拼合至所述待分割原始图像，获得最终的图像分割结果。本发明专利技术实施例提供的图像分割方法，解决了分割准确度与分辨率无法兼顾的问题，既保证了图像分割的准确度，又保证了图像的分辨率。

【技术实现步骤摘要】
一种图像分割方法、装置、电子设备及存储介质
本专利技术涉及图像处理领域，尤其涉及一种图像分割方法、装置、电子设备及存储介质。
技术介绍
在利用深度学习技术进行图像分割时，由于显存的限制，在分割之前，往往需要对原图像进行裁剪或者降采样，以解决GPU(GraphicProcessingUnit，图形处理器)内存不足的问题。然而，对原图像进行裁剪会导致上下文信息丢失，降低图像分割的准确度；而直接对降采样得到的低分辨率图像进行分割又会丢失细节特征，无法实现既保证图像分割的准确度又保证图像的高分辨率。针对上述问题，目前的常规做法是：采用多尺度分割策略，具体是先使用粗分割网络对降采样得到的低分辨率图像进行分割，得到感兴趣区域的大致位置，然后再在原图像上根据所述大致位置裁剪出感兴趣区域，最后使用细分割网络基于裁剪出的感兴趣区域得到与原图像分辨率相同的分割结果。这种做法虽然在粗尺度分割阶段纳入了全局上下文信息，但是在细尺度分割阶段，由于是基于裁剪图像进行的细分割，又丢失了全局上下文信息，仍未解决分割准确度与分辨率兼顾的问题。专利本文档来自技高网...

【技术保护点】
1.一种图像分割方法，其特征在于，包括：/n以每个候选采样起始点为实际采样起始点，对待分割原始图像进行降采样，分别获得与每个所述候选采样起始点对应的降采样图像；/n将所述降采样图像分别输入至预先训练好的神经网络模型，分别获得每张降采样图像对应的感兴趣区域分割图像；/n将每张降采样图像对应的感兴趣区域分割图像分别拼合至所述待分割原始图像，获得最终的图像分割结果。/n

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：
以每个候选采样起始点为实际采样起始点，对待分割原始图像进行降采样，分别获得与每个所述候选采样起始点对应的降采样图像；
将所述降采样图像分别输入至预先训练好的神经网络模型，分别获得每张降采样图像对应的感兴趣区域分割图像；
将每张降采样图像对应的感兴趣区域分割图像分别拼合至所述待分割原始图像，获得最终的图像分割结果。


2.根据权利要求1所述的图像分割方法，其特征在于，还包括：
根据设定采样步长确定所述候选采样起始点。


3.根据权利要求2所述的图像分割方法，其特征在于，所述根据设定采样步长确定所述候选采样起始点，包括：
将所述待分割原始图像中横坐标大于0且小于等于设定采样步长、纵坐标大于0且小于等于设定采样步长的像素点分别确定为所述候选采样起始点。


4.根据权利要求1所述的图像分割方法，其特征在于，所述以每个候选采样起始点为实际采样起始点，对待分割原始图像进行降采样，分别获得与每个所述候选采样起始点对应的降采样图像，包括：
基于设定采样步长以及所述候选采样起始点确定所述降采样图像的每个像素点与所述待分割原始图像的像素点之间的映射关系；
基于所述映射关系确定所述降采样图像。


5.根据权利要求1-4任一项所述的图像分割方法，其特征在于，将每张降采样图像对应的感兴趣区域分割图像分别拼合至所述待分割原始图像，获得最终的图像分割结果，包括：
分别根据每张所述感兴趣区域分割图像的各像素点与所述待分割原始图像的各像素点之间的映射关系，将每张所述感兴趣区域分割图像映射至所述待分割原始图像，获得最终的图像分割结果。


6.根据权利要求5所述的图像分割方法，其特...

【专利技术属性】
技术研发人员：黄婷婷，
申请(专利权)人：深圳市联影高端医疗装备创新研究院，
类型：发明
国别省市：广东;44