一种基于U型网络的图像分割方法和系统技术方案

本发明专利技术提供了一种基于U型网络的图像分割方法和系统，包括：构建由多层卷积组成的编码网络，通过编码网络对待处理图像逐层进行下采样，使得输出的特征图的通道数量逐层翻倍；构建与多层卷积对称的由多层反卷积组成的解码网络，通过解码网络对编码网络最后一层下采样输出的特征图逐层进行上采样，使得输出的特征图的通道数量逐层减半；在解码网络完成首次上采样操作后，将下采样与上采样输出的通道数量相同的特征图作为双向卷积‑长短期记忆网络的输入，并将双向卷积‑长短期记忆网络的输出作为下一层上采样的输入；调整解码网络最后一层输出的特征图的通道数量，生成图像分割结果。本发明专利技术可以有效提高图像分割速度及图像分割质量。

【技术实现步骤摘要】
一种基于U型网络的图像分割方法和系统
本专利技术涉及图像分割
，具体涉及一种基于U型网络的图像分割方法和系统。
技术介绍
在图像的研究和应用中，人们往往对图像中的某些部分感兴趣，这些感兴趣的部分往往是图像中特定的、具有特殊性质的区域，我们把这些区域称为目标或者前景，而其他部分称为图像的背景。为了辨识和分析目标，需要把目标从一副图像的背景中孤立出来，这就是图像分割要解决的问题。在一些应用场景中，图像分析扮演着重要的角色。其中，图像分割是图像分析的第一步，图像分割接下来的任务如特征提取、目标识别的好坏，都取决于图像分割的质量如何。现有的方法多是基于传统方法，例如基于阈值的分割，基于边缘的分割，基于区域的分割，基于图论的分割，基于能量泛函的分割等。然而这些方法大多采用边界模糊识别导致图像分割质量不佳，并且还存在分割速度较慢的问题，限制了应用场景的使用范围。
技术实现思路
鉴于上述问题，本专利技术实施例提供一种基于U型网络的图像分割方法和系统，解决现有技术高图像分割速度慢及图像分割质量差的技术问题。为解决上述技术问题，本专利技术提供以下技术方案：第一方面，一种基于U型网络的图像分割方法，包括：构建由多层卷积组成的编码网络，通过编码网络对待处理图像逐层进行下采样，使得输出的特征图的通道数量逐层翻倍；构建与多层卷积对称的由多层反卷积组成的解码网络，通过解码网络对编码网络最后一层下采样输出的特征图逐层进行上采样，使得输出的特征图的通道数量逐层减半；在解码网络完成首次上采样操作后，将下采样与上采样输出的通道数量相同的特征图作为双向卷积-长短期记忆网络的输入，并将双向卷积-长短期记忆网络的输出作为下一层上采样的输入；调整解码网络最后一层输出的特征图的通道数量，生成图像分割结果。本专利技术一实施例中，所述通过编码网络对待处理图像逐层进行下采样包括：在编码网络中前三层卷积均利用两个3*3的卷积层对待处理图像连续进行两次特征提取，并且在第一次特征提取时采用非线性激活函数，在第二次特征提取后进行下一层下采样时采用最大值池化处理；在第四层卷积中利用四个3*3的卷积层对上一层输出的特征图连续进行特征提取，并且在每一次特征提取时采用非线性激活函数。本专利技术一实施例中，所述通过解码网络对编码网络最后一层下采样输出的特征图逐层进行上采样包括：在解码网络中前三层反卷积均利用两个2*2的反卷积层对解码网络对编码网络最后一层下采样输出的特征图连续进行两次特征还原，并且在两次特征还原时均采用非线性激活函数，在第二次特征还原后进行下一层上采样时依次进行数据相关型上采样处理和批标准化处理。本专利技术一实施例中，所述调整解码网络最后一层输出的特征图的通道数量包括：利用两个2*2的反卷积层级联两个1*1的反卷积层对特征图的通道数量进行调整。第二方面，本专利技术实施例提供一种基于U型网络的图像分割系统，包括：特征编码模块：用于构建由多层卷积组成的编码网络，通过编码网络对待处理图像逐层进行下采样，使得输出的特征图的通道数量逐层翻倍；特征解码模块：用于构建与多层卷积对称的由多层反卷积组成的解码网络，通过解码网络对编码网络最后一层下采样输出的特征图逐层进行上采样，使得输出的特征图的通道数量逐层减半；特征传递模块：用于在解码网络完成首次上采样操作后，将下采样与上采样输出的通道数量相同的特征图作为双向卷积-长短期记忆网络的输入，并将双向卷积-长短期记忆网络的输出作为下一层上采样的输入；结果生成模块：用于调整解码网络最后一层输出的特征图的通道数量，生成图像分割结果。本专利技术一实施例中，所述特征编码模块中的通过编码网络对待处理图像逐层进行下采样包括：在编码网络中前三层卷积均利用两个3*3的卷积层对待处理图像连续进行两次特征提取，并且在第一次特征提取时采用非线性激活函数，在第二次特征提取后进行下一层下采样时采用最大值池化处理；在第四层卷积中利用四个3*3的卷积层对上一层输出的特征图连续进行特征提取，并且在每一次特征提取时采用非线性激活函数。本专利技术一实施例中，所述特征解码模块中的通过解码网络对编码网络最后一层下采样输出的特征图逐层进行上采样包括：在解码网络中前三层反卷积均利用两个2*2的反卷积层对解码网络对编码网络最后一层下采样输出的特征图连续进行两次特征还原，并且在两次特征还原时均采用非线性激活函数，在第二次特征还原后进行下一层上采样时依次进行数据相关型上采样处理和批标准化处理。本专利技术一实施例中，所述结果生成模块中的调整解码网络最后一层输出的特征图的通道数量包括：利用两个2*2的反卷积层级联两个1*1的反卷积层对特征图的通道数量进行调整。第三方面，本专利技术实施例提供一种智能眼镜，包括：处理器、存储器、与网关通信的接口；存储器用于存储程序和数据，所述处理器调用存储器存储的程序，以执行权利要求1至4任一项所述的一种基于U型网络的图像分割方法。第四方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质包括程序，所述程序在被处理器执行时用于执行权利要求1至4任一项所述的一种基于U型网络的图像分割方法。本专利技术实施例的一种基于U型网络的图像分割方法和系统与现有技术相比，本专利技术通过构建由多层卷积组成的编码网络，并构建与多层卷积对称的由多层反卷积组成的解码网络，并且在解码网络完成首次上采样操作后，将下采样与上采样输出的通道数量相同的特征图作为双向卷积-长短期记忆网络的输入，并将双向卷积-长短期记忆网络的输出作为下一层上采样的输入，利用双向卷积-长短期记忆网络取代传统的跳跃-连接结构，使得解码网络可以同时利用上采样生成的特征信息与编码网络的原始信息，扩大感受野获取更加丰富的特征，省去了紧密连接处理，精简了网络结构，最后通过调整解码网络最后一层输出的特征图的通道数量，生成图像分割结果，有效提高了图像分割速度及图像分割质量。附图说明图1所示为本专利技术一种基于U型网络的图像分割方法的流程示意图；图2所示为本专利技术一种基于U型网络的整体结构示意图；图3所示为本专利技术一种基于U型网络的图像分割系统的结构示意图；图4所示为本专利技术一种智能眼镜的结构示意图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚、明白，以下集合附图及具体实施方式对本专利技术作进一步说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术一实施例的基于U型网络的图像分割方法如图1所示。在图1中，本实施例包括：S110：构建由多层卷积组成的编码网络，通过编码网络对待处理图像逐层进行下采样，使得输出的特征图的通道数量逐层翻倍。具体地，编码网络形成的是收缩路径，并且编码网络由多层卷积组成。当待处理图像首次进入编码网络时，本文档来自技高网...

【技术保护点】
1.一种基于U型网络的图像分割方法，其特征在于，包括：/n构建由多层卷积组成的编码网络，通过编码网络对待处理图像逐层进行下采样，使得输出的特征图的通道数量逐层翻倍；/n构建与多层卷积对称的由多层反卷积组成的解码网络，通过解码网络对编码网络最后一层下采样输出的特征图逐层进行上采样，使得输出的特征图的通道数量逐层减半；/n在解码网络完成首次上采样操作后，将下采样与上采样输出的通道数量相同的特征图作为双向卷积-长短期记忆网络的输入，并将双向卷积-长短期记忆网络的输出作为下一层上采样的输入；/n调整解码网络最后一层输出的特征图的通道数量，生成图像分割结果。/n

【技术特征摘要】
1.一种基于U型网络的图像分割方法，其特征在于，包括：
构建由多层卷积组成的编码网络，通过编码网络对待处理图像逐层进行下采样，使得输出的特征图的通道数量逐层翻倍；
构建与多层卷积对称的由多层反卷积组成的解码网络，通过解码网络对编码网络最后一层下采样输出的特征图逐层进行上采样，使得输出的特征图的通道数量逐层减半；
在解码网络完成首次上采样操作后，将下采样与上采样输出的通道数量相同的特征图作为双向卷积-长短期记忆网络的输入，并将双向卷积-长短期记忆网络的输出作为下一层上采样的输入；
调整解码网络最后一层输出的特征图的通道数量，生成图像分割结果。


2.如权利要求1所述的一种基于U型网络的图像分割方法，其特征在于，所述通过编码网络对待处理图像逐层进行下采样包括：
在编码网络中前三层卷积均利用两个3*3的卷积层对待处理图像连续进行两次特征提取，并且在第一次特征提取时采用非线性激活函数，在第二次特征提取后进行下一层下采样时采用最大值池化处理；
在第四层卷积中利用四个3*3的卷积层对上一层输出的特征图连续进行特征提取，并且在每一次特征提取时采用非线性激活函数。


3.如权利要求1所述的一种基于U型网络的图像分割方法，其特征在于，所述通过解码网络对编码网络最后一层下采样输出的特征图逐层进行上采样包括：
在解码网络中前三层反卷积均利用两个2*2的反卷积层对解码网络对编码网络最后一层下采样输出的特征图连续进行两次特征还原，并且在两次特征还原时均采用非线性激活函数，在第二次特征还原后进行下一层上采样时依次进行数据相关型上采样处理和批标准化处理。


4.如权利要求1所述的一种基于U型网络的图像分割方法，其特征在于，所述调整解码网络最后一层输出的特征图的通道数量包括：
利用两个2*2的反卷积层级联两个1*1的反卷积层对特征图的通道数量进行调整。


5.一种基于U型网络的图像分割系统，其特征在于，包括：
特征编码模块：用于构建由多层卷积组成的编码网络，通过编码网络对待处理图像逐层进行下采样，使得输出的特征图的通道数量逐层翻倍；
特征解码模块：用于构建与多层卷积对称的由多层反卷积组成的解码网络...

【专利技术属性】
技术研发人员：王成，贾东港，俞益洲，李一鸣，乔昕，
申请(专利权)人：北京深睿博联科技有限责任公司，杭州深睿博联科技有限公司，
类型：发明
国别省市：北京;11