皮肤创面图像分割方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及图像处理技术领域，具体涉及一种皮肤创面图像分割方法、装置、设备及存储介质，包括如下步骤：获取包含有皮肤创面的待分割图像；基于空间注意力机制和通道注意力机制对所述待分割图像进行边缘增强处理，得到第一边缘特征增强后的特征图，及对所述待分割图像进行空间增强处理，得到第一空间特征增强后的特征图；对所述第一边缘特征增强后的特征图和所述第一空间特征增强后的特征图进行通道拼接，得到分割图像。由于边缘特征对分割的贡献尤为重要，且图像中对象所在的位置和对象之间的空间关系是图像分割中非常重要的特征，使用边缘特征增强的特征图和空间特征增强的特征图进行通道拼接，能够使最终形成的分割图像效果更好。果更好。果更好。

【技术实现步骤摘要】
皮肤创面图像分割方法、装置、设备及存储介质


[0001]本专利技术涉及图像处理
，具体涉及一种皮肤创面图像分割方法、装置、设备及存储介质。

技术介绍

[0002]图像分割是指根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。
[0003]医学图像分割方法分为传统图像分割方法和深度学习图像分割方法，其中，传统图像分割方法包括基于阈值的分割、基于区域的分割、基于边缘的分割以及基于图论的分割。随着神经网络的快速发展，深度学习图像分割方法近些年被广泛应用，相比传统图像分割方法具有更高的准确性和更高的泛化性。
[0004]全连接网络提出后，深度学习技术被广泛应用于图像分割中，然而将卷积神经网络应用在图像分割中存在一个问题——池化层在增加视野的同时也丢失了位置信息的精确度，后来随着以U
‑
Net为代表的网络结构的提出，这个问题得到了有效的解决，进而推动了深度学习在图像分割中的发展。U
‑
Net网络及其衍生网络由于具备良好的特征提取能力，被广泛应用在医学图像分割中。
[0005]皮肤约占全身体的16％，是人体最大的器官，其含有复杂的神经和血管网络，作为人体第一道防线覆盖于全身表面，容易因物理性、机械性、生物性及化学性等因素而发生损伤。皮肤损伤按创面的愈合周期可分为急性创面和慢性创面，急性创面通常指挫裂伤和切割伤之类的外伤，如刀伤、擦伤、枪伤、化学性损伤等；慢性创面包括下肢静脉溃疡、压迫性溃疡、动脉缺血性溃疡和糖尿病溃疡等。皮肤创面图像具有如下特点：a.图像中背景干扰严重；b.不同创面颜色、形状、面积、边缘特征差异较大；c.图像为实景相机、手机拍摄，光线、分辨率、拍摄角度和拍摄质量不同。由此可知，对皮肤创面区域的分割极具挑战性。
[0006]现有技术中公开了一种使用轻量级皮肤创面自动分割网络的方法，该方法在解码器部分加入空间金字塔池化模块以捕获多尺度特征信息。与传统的卷积神经网络相比，该网络用深度可分离卷积层替换传统卷积层，将计算成本降低了接近k2倍，其中k是卷积核大小。该方法在计算效率上虽有显著提高，但是由于只获取了分割图像的多尺度特征信息，导致所分割得到的图像效果不佳。

技术实现思路

[0007]因此，本专利技术要解决现有技术中只获取了分割图像的多尺度特征信息，导致所分割得到的图像效果不佳的技术问题，从而提供一种皮肤创面图像分割方法，包括如下步骤：获取包含有皮肤创面的待分割图像；
[0008]基于空间注意力机制和通道注意力机制对所述待分割图像进行边缘增强处理，得到第一边缘特征增强后的特征图，及对所述待分割图像进行空间增强处理，得到第一空间特征增强后的特征图；
[0009]对所述第一边缘特征增强后的特征图和所述第一空间特征增强后的特征图进行通道拼接，得到第一分割图像。
[0010]优选地，所述基于空间注意力机制和通道注意力机制对所述待分割图像进行边缘增强处理，得到第一边缘特征增强后的特征图，包括：
[0011]对所述待分割图像进行第一编码及第一最大池化得到第一特征图，对所述第一特征图进行第二编码及第二最大池化得到第二特征图，对所述第一特征图和所述第二特征图进行第一次边缘增强处理，得到第一边缘特征增强图；
[0012]对第m
‑
1边缘特征增强图和第m+1特征图进行第m次边缘增强处理，得到第m边缘特征增强图；其中，第m+1特征图为对第m编码及第m最大池化得到的第m特征图进行第m+1编码得到的，m＝2,3,
……
N；
[0013]当m＝N时，得到的第N边缘特征增强图为所述第一边缘特征增强后的特征图。
[0014]优选地，所述基于空间注意力机制和通道注意力机制对所述待分割图像进行边缘增强处理，得到第一边缘特征增强后的特征图，包括：
[0015]基于空间注意力机制对所述第一特征图、第二特征图进行第一次边缘增强处理，得到第一边缘特征增强图；
[0016]基于空间注意力机制对所述第一边缘特征增强图、第三特征图进行第二次边缘增强处理，得到第二边缘特征增强图；
[0017]基于通道注意力机制对所述第二边缘特征增强图、第四特征图进行第三次边缘增强处理，得到第三边缘特征增强图；
[0018]基于通道注意力机制对所述第三边缘特征增强图、第五特征图进行第四次边缘增强处理，得到所述第一边缘特征增强后的特征图。
[0019]优选地，所述对第m
‑
1边缘特征增强图和第m+1特征图进行第m次边缘增强处理，得到第m边缘特征增强图，包括：
[0020]对第m
‑
1边缘特征增强图进行卷积和编码处理，得到第m
‑
1边缘特征编码图，对第m+1特征图进行卷积和上采样处理，得到第m+1特征采样图；
[0021]对所述第m
‑
1边缘特征编码图和第m+1特征采样图进行通道拼接，得到第m边缘特征拼接图；基于空间注意力机制对所述第m边缘特征拼接图进行处理，得到空间权重；
[0022]所述空间权重通过激活函数后，与所述第m
‑
1边缘特征编码图相乘得到所述第m边缘特征增强图。
[0023]优选地，所述基于空间注意力机制对所述第m边缘特征拼接图进行处理，得到空间权重，包括：
[0024]对所述第m边缘特征拼接图进行平均池化得到第一池化特征图，对所述第m边缘特征拼接图进行最大池化得到第二池化特征图；对所述第一池化特征图和第二池化特征图进行通道拼接，得到拼接后的第m边缘特征池化图；
[0025]对所述第m边缘特征池化图进行卷积处理，得到空间权重。
[0026]优选地，所述对第m
‑
1边缘特征增强图和第m+1特征图进行第m次边缘增强处理，得到第m边缘特征增强图，包括：
[0027]对第m
‑
1边缘特征增强图进行卷积和编码处理，得到第m
‑
1边缘特征编码图，对第m+1特征图进行卷积和上采样处理，得到第m+1特征采样图；
[0028]对所述第m
‑
1边缘特征编码图和第m+1特征采样图进行通道拼接，得到第m边缘特征拼接图；基于通道注意力机制对所述第m边缘特征拼接图进行处理，得到通道权重；
[0029]所述通道权重通过激活函数后，与所述第m
‑
1边缘特征编码图相乘得到所述第m边缘特征增强图。
[0030]优选地，所述基于通道注意力机制对所述第m边缘特征拼接图进行处理，得到通道权重，包括：对所述第m边缘特征拼接图进行平均池化得到第三池化特征图，对所述第m边缘特征拼接图进行最大池化得到第四池化特征图；
[0031]所述第三池化特征图、第四池化特征图经过多层感知器后，相加得到所述通道权重。
[0032]优选地，所述待分割图像进行空间增强处理，得到第一空间特征增强后的特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种皮肤创面图像分割方法，其特征在于，包括如下步骤：获取包含有皮肤创面的待分割图像；基于空间注意力机制和通道注意力机制对所述待分割图像进行边缘增强处理，得到第一边缘特征增强后的特征图，及对所述待分割图像进行空间增强处理，得到第一空间特征增强后的特征图；对所述第一边缘特征增强后的特征图和所述第一空间特征增强后的特征图进行通道拼接，得到第一分割图像。2.如权利要求1所述的皮肤创面图像分割方法，其特征在于，所述基于空间注意力机制和通道注意力机制对所述待分割图像进行边缘增强处理，得到第一边缘特征增强后的特征图，包括：对所述待分割图像进行第一编码及第一最大池化得到第一特征图，对所述第一特征图进行第二编码及第二最大池化得到第二特征图，对所述第一特征图和所述第二特征图进行第一次边缘增强处理，得到第一边缘特征增强图；对第m
‑
1边缘特征增强图和第m+1特征图进行第m次边缘增强处理，得到第m边缘特征增强图；其中，第m+1特征图为对第m编码及第m最大池化得到的第m特征图进行第m+1编码得到的，m＝2,3,
……
N；当m＝N时，得到的第N边缘特征增强图为所述第一边缘特征增强后的特征图。3.如权利要求2所述的皮肤创面图像分割方法，其特征在于，所述基于空间注意力机制和通道注意力机制对所述待分割图像进行边缘增强处理，得到第一边缘特征增强后的特征图，包括：基于空间注意力机制对所述第一特征图、第二特征图进行第一次边缘增强处理，得到第一边缘特征增强图；基于空间注意力机制对所述第一边缘特征增强图、第三特征图进行第二次边缘增强处理，得到第二边缘特征增强图；基于通道注意力机制对所述第二边缘特征增强图、第四特征图进行第三次边缘增强处理，得到第三边缘特征增强图；基于通道注意力机制对所述第三边缘特征增强图、第五特征图进行第四次边缘增强处理，得到所述第一边缘特征增强后的特征图。4.如权利要求2或3所述的皮肤创面图像分割方法，其特征在于，所述对第m
‑
1边缘特征增强图和第m+1特征图进行第m次边缘增强处理，得到第m边缘特征增强图，包括：对第m
‑
1边缘特征增强图进行卷积和编码处理，得到第m
‑
1边缘特征编码图，对第m+1特征图进行卷积和上采样处理，得到第m+1特征采样图；对所述第m
‑
1边缘特征编码图和第m+1特征采样图进行通道拼接，得到第m边缘特征拼接图；基于空间注意力机制对所述第m边缘特征拼接图进行处理，得到空间权重；所述空间权重通过激活函数后，与所述第m
‑
1边缘特征编码图相乘得到所述第m边缘特征增强图。5.如权利要求4所述的皮肤创面图像分割方法，其特征在于，所述基于空间注意力机制对所述第m边缘特征拼接图进行处理，得到空间权重，包括：
对所述第m边缘特征拼接图进行平均池化得到第一池化特征图，对所述第m边缘特征拼接图进行最大池化得到第二池化特征图；对所述第一池化特征图和第二池化特征图进行通道拼接，得到拼接后的第m边缘特征池化图；对所述第m边缘特征池化图进行卷积处理，得到空间权重。6.如权利要求2或3所述的皮肤创面图像分割方法，其特征在于，所述对第m
‑
1边缘特征增强图和第m+1特征图进行第m次边缘增强处理，得到第m边缘特征增强图，包括：对第m
‑
1边缘特征增强图进行卷积和编码处理，得到第m
‑
1边缘特征编码图，对第m+1特征图进行卷积和上采样处理，得到第m+1特征采样图；对所述第m
‑
1边缘特征编码图和第m+1特征采样图进行通道拼接，得到第m边缘特征拼接图；基于通道注意力机制对所述第m边缘特征拼接图进行处理，得到通道权重；所述通道权重通过激活函数后，与所述第m
‑
1边缘特征编码图相乘得到所述第m边缘特征增强图。7.如权利要求6所述的皮肤创面图像分割方法，其特征在于，所述基于通道注意力机制对所述第m边缘特征拼接图进行处理，得到通道权重，包括：对所述第m边缘特征拼接图进行平均池化得到第三池化特征图，对所述第m边缘特征拼接图进行最大池化得到第四池化特征图；所述第三池化特征图、第四池化特征图经过多层感知器后，相加得到所述通道权重。8.如权利要求1
‑
7任一所述的皮肤创面图像分割方法，其特征在于，所述待分割图像进行空间增强处理，得到第一空间特征增强后的特征图，包括：当m＝N时，对第m+1特征图进行空间增强处理，得到第m+1空间特征增强图；对所述第m...

【专利技术属性】
技术研发人员：石霏，张鹏飞，
申请(专利权)人：苏州元禾创达智能科技有限公司，
类型：发明
国别省市：