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。
技术实现思路
本专利技术实施例提供了一种图像分割方法、装置、电子设备和存储介质，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。第一方面，本专利技术实施例提供了一种图像分割方法，该方法包括：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。第二方面，本专利技术实施例还提供了一种图像分割装置，所述装置包括：降采样模块，用于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；分割模块，用于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；拼合模块，用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。第三方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术实施例所述的图像分割方法步骤。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例所述的图像分割方法步骤。本专利技术实施例提供的图像分割方法，通过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的技术手段，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。附图说明图1是本专利技术实施例一提供的一种图像分方法的流程示意图；图2是本专利技术实施例一提供的一种不同的实际采样起始点所对应的不同降采样图像的示意图；图3是本专利技术实施例一提供的一种感兴趣区域分割图像的示意图；图4是本专利技术实施例二提供的一种图像分割方法的流程示意图；图5是本专利技术实施例三提供的一种图像分割装置的结构示意图；图6是本专利技术实施例四提供的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各项步骤的顺序可以被重新安排。当其步骤完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。实施例一图1为本专利技术实施例一提供的一种图像分割方法的流程示意图。该方法适用于图像分割，旨在解决图像分割时分割准确度与分辨率无法兼顾的问题。所述图像分割方法可以由图像分割装置来执行，该装置可由软件和/或硬件的方式实现。参考图1所示，所述图像分割方法包括如下步骤：步骤110、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。其中，候选采样起始点的个数通常为多个，具体数量可根据设定采样步长以及待分割原始图像的大小确定。候选采样起始点的个数越多，所获得的对应的降采样图像的张数越多，越能较全面地获取待分割原始图像的各部分图像信息。所述待分割原始图像可以是CT(ComputerTomography，计算机断层)图像、PET(PositronEmissionTomography，正电子发射断层)图像、MR(MagneticResonance，磁共振)图像或者融合图像，其中，所述融合图像为CT图像、PET图像以及MR图像中至少两种图像的融合图像。具体的，所述对待分割原始图像进行降采样包括：以所述实际采样起始点为参考点，在所述待分割原始图像的每行每隔设定采样步长获取一个采样点，在所述待分割原始图像的每列每隔设定采样步长获取一个采样点；所述采样点组成所述实际采样起始点对应的降采样图像。示例性的，参考图2所示的一种不同的实际采样起始点所对应的不同降采样图像的示意图，其中，标号210表示待分割原始图像，待分割原始图像的宽W＝4，高H＝4，设定采样步长N＝2；标号220表示实际采样起始点(0，0)对应的降采样图像；标号230表示实际采样起始点(1，0)对应的降采样图像；标号240表示实际采样起始点(0，1)对应的降采样图像；标号250表示实际采样起始点(1，1)对应的降采样图像。步骤120、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。其中，所述降采样图像的数量为多个，具体数量可根据设定采样步长以及待分割原始图像的大小确定，例如若设定采样步长为N，则依据实际采样起始点的位置不同，一张大小为H*W的二维待分割原始图像可被拆解为N*N张大小为(H/N)*(W/N)的降采样图像。降采样图像的张数越多，越能较全面地获取待分割原始图像的各部分图像信息。分别将每幅降采样图像输入至预先训练好的神经网络模本文档来自技高网...

【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