一种应用于分割网络的图像与标签非对称标准化方法技术

本发明专利技术提供一种应用于分割网络的图像与标签非对称标准化方法，定义了非对称标准化方法，并以减少整个样本组的平均欧式距离为目标，对该非对称标准化方法的关键参数进行了优化，因此，使用该非对称标准化方法对原始图像以及原始标签图像进行非对称标准化处理后，组成的样本组平均距离减少，也就是样本之间的相似度更高，从而在对分割网络进行训练时，能够使得分割网络的收敛速度更快，并且能够提升最终的分割网络的精度。本发明专利技术的应用于分割网络的图像与标签非对称标准化方法为各类医学影像的分割提供了可靠且更好的图像预处理方法。像的分割提供了可靠且更好的图像预处理方法。像的分割提供了可靠且更好的图像预处理方法。

【技术实现步骤摘要】
一种应用于分割网络的图像与标签非对称标准化方法


[0001]本专利技术属于图像处理领域，具体涉及一种应用于分割网络的图像与标签非对称标准化方法。

技术介绍

[0002]图像分割技术作为医学影像分析的重要技术手段，在临床辅助诊断中起到了重要的作用。而随着深度学习技术的发展，利用图像与标签进行自动分割网络的训练，进而实现临床医学影像的快速自动分割，也变得十分重要。目前，通常将原始图像与标签图像直接输入到分割网络中进行训练，或者对原始图像与标签图像进行简单的[0,1]标准化后输入分割网络进行训练，此类预处理方法使得分割网络训练收敛较慢，并且一定程度上影响最终的分割网络的精度。因此，需要一种新的应用于分割网络的图像标准化方法，能够使得分割网络训练收敛更快，最终的分割网络的精度更好。

技术实现思路

[0003]为解决上述问题，提供一种应用于分割网络的图像与标签非对称标准化方法，本专利技术采用了如下技术方案：
[0004]本专利技术提供了一种应用于分割网络的图像与标签非对称标准化方法，其特征在于，包括步骤S1，获取多个原始图像以及和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于分割网络的图像与标签非对称标准化方法，其特征在于，包括：步骤S1，获取多个原始图像以及和多个所述原始图像对应的多个原始标签图像；步骤S2，使用对称标准化方法分别对多个所述原始图像以及多个所述原始标签图像进行处理，得到标准化后的多个图像和多个标签图像，将多个所述图像和多个所述标签图像组成样本组；步骤S3，计算所述样本组的平均距离；步骤S4，定义非对称标准化方法；步骤S5，以减少所述平均距离为目标，使用粒子群优化方法优化所述非对称标准化方法的范围参数；步骤S6，使用所述非对称标准化方法对所述原始图像和所述原始标签图像进行处理，其中，所述非对称标准化方法定义为：其中，所述非对称标准化方法定义为：式中，a
MN
为所述原始图像的像素矩阵，b
MN
为所述原始标签图像的像素矩阵，γ
a
、γ
b
为常数，α、β为所述范围参数。2.根据权利要求1所述的应用于分割网络的图像与标签非对称标准化方法，其特征在于：其中，所述对称标准化方法为归一化算法，所述图像和所述标签图像的大小均为M
×
N，归一化后的所述图像和所述标签图像由下式表示：a
MN
∈[0，1],b
MN
∈[0，1]式中，A
i
为所述图像的像素矩阵，B
i
为所述标签图像的像素矩阵，a为所述图像的像素点，b为所述标签图像的像素点。3.根据权利要求2所述的应用于分割网络的图像与标签非对称标准化方法，其特征在于：其中，所述平均距离为平均欧式距离，根据以下公式来计算：其中，所述平均距离为平均欧式距离，根据以下公式来计算：
式中，D
i
为像素级欧式距离距阵，d为像素级欧式距离距阵中的元素，DS
ij

【专利技术属性】
技术研发人员：邢文宇，朱志斌，侯东妮，他得安，
申请(专利权)人：复旦大学，
类型：发明
国别省市：