本申请涉及网络模型和图像处理领域，提供一种图像分割方法、装置、电子设备及计算机存储介质，该方法包括：通过双残差结构模块编码器对输入的原始特征图进行特征提取和特征压缩，得到原始特征图的最终输出特征图；通过双残差结构模块编码器对最终输出特征图进行整合和映射，得到第一待融合特征图和第二待融合特征图；通过特征融合增强模块双解码器对第一待融合特征图和第二待融合特征图进行特征融合，得到最终融合特征图。本申请实施例提供的图像分割方法通过双残差结构模块编码器的强特征提取能力，使得提取出的特征图有更好的语义表达能力，再结合特征融合增强模块双解码器的强特征融合能力，提高了图像分割的精确度。提高了图像分割的精确度。提高了图像分割的精确度。
【技术实现步骤摘要】
图像分割方法、装置、电子设备及计算机存储介质
[0001]本申请涉及网络模型和图像处理领域，尤其涉及一种图像分割方法、装置、电子设备及计算机存储介质。
技术介绍
[0002]随着计算机断层扫描(CT)、核磁共振成像(MRI)和超声成像技术在医学影像方面的应用，越来越多的医学图像需要更快、更准确的分析和判断。而现有的传统图像分割方法需要人工干预，由于手工设计特征等不利因素，无法保证图像分割的精确度，同时无法实现端到端无需人工干预的图像自动分割。现有的基于卷积神经网络的图像分割方法面临以下问题：1、由于标注困难，医学图像数据量往往相对较少，不利于网络的训练；2、医学图像受采集设备的影响，数据格式不统一，导致数据预处理困难；3、医学图像要分割的组织、细胞等区域结构和大小变化多样，不利于网络对不同大小目标的特征提取；4、部分医学图像如超声图像，图像模糊，不利于网络对特征提取。由此可知，现有图像分割方法的分割精确度相对较低。
技术实现思路
[0003]本申请提供一种图像分割方法、装置、电子设备及计算机存储介质，旨在提高图像分割的精确度。
[0004]第一方面，本申请提供一种图像分割方法，包括：
[0005]通过双残差结构模块编码器对输入的原始特征图进行特征提取和特征压缩，得到所述原始特征图的最终输出特征图；
[0006]通过所述双残差结构模块编码器对所述最终输出特征图进行整合和映射，得到第一待融合特征图和第二待融合特征图；
[0007]通过特征融合增强模块双解码器对所述第一待融合特征图和所述第二待融合特征图进行特征融合，得到最终融合特征图。
[0008]在一个实施例中，所述通过双残差结构模块编码器对输入的原始特征图进行特征提取和特征压缩，得到所述原始特征图的最终输出特征图，包括：
[0009]基于所述双残差结构模块编码器中的卷积、批归一化和激活函数对所述原始特征图进行特征提取，得到原始特征；
[0010]将原始特征与所述原始特征图通过残差边线性相加进行特征加权，得到加权后的特征图；
[0011]基于所述加权后的特征图结合所述双残差结构模块编码器中的注意力机制，得到所述最终输出特征图。
[0012]所述基于所述加权后的特征图结合所述双残差结构模块编码器中的注意力机制，得到所述最终输出特征图，包括：
[0013]将所述加权后的特征图通过所述激活函数，并在特征图的宽高维度取均值，得到
各个通道的权重向量；
[0014]将各个所述权重向量通过线性映射和所述激活函数，得到各个通道的第一权重系数；
[0015]基于各个所述第一权重系数和所述原始特征图，得到所述最终输出特征图。
[0016]所述基于各个所述第一权重系数和所述原始特征图，得到所述最终输出特征图，包括：
[0017]将各个所述第一权重系数与所述原始特征图进行元素对位点乘，得到增强后的特征图；
[0018]将所述增强后的特征图与所述原始特征图进行残差边线性叠加，得到所述最终输出特征图。
[0019]所述通过所述双残差结构模块编码器对所述最终输出特征图进行整合和映射，得到第一待融合特征图和第二待融合特征图，包括：
[0020]通过所述双残差结构模块编码器中的第一预设大小的卷积对所述最终输出特征图进行特征整合，得到整合后的特征图；
[0021]通过所述双残差结构模块编码器中预设数量的第二预设大小的卷积对所述整合后的特征图进行特征映射，得到与所述最终输出特征图的第一原始通道数相同的所述第一待融合特征图，以及通道数为所述第一原始通道数两倍的所述第二待融合特征图。
[0022]所述通过特征融合增强模块双解码器对所述第一待融合特征图和所述第二待融合特征图进行特征融合，得到最终融合特征图，包括：
[0023]通过所述特征融合增强模块双解码器结合特征融合增方法对所述第一待融合特征图进行融合，得到第一目标融合特征图；
[0024]通过所述特征融合增强模块双解码器结合所述特征融合增方法对所述第二待融合特征图进行融合，得到第二目标融合特征图；
[0025]基于预设大小的卷积对所述第一目标融合特征图和所述第二目标融合特征图进行特征融合，得到所述最终融合特征图。
[0026]所述通过所述特征融合增强模块双解码器结合特征融合增方法对所述第一待融合特征图进行融合，得到第一目标融合特征图，包括：
[0027]将所述第一待融合特征图的本层特征与上采样后的特征沿通道方向进行特征拼接融合，得到通道数为所述第一待融合特征图的第二原始通道数两倍的融合后的特征图；
[0028]通过卷积压缩对所述融合后的特征图进行通道压缩，得到通道数与所述第二原始通道数相同的压缩后的特征图；
[0029]将所述压缩后的特征图在空间维度上进行平均池化和最大池化，并通过线性映射、加权和激活函数，得到各个通道的第二权重系数；
[0030]将各个所述第二权重系数与所述第一待融合特征图进行元素对位点乘，得到通道增强后的特征图；
[0031]将所述通道增强后的特征图与所述第一待融合特征图进行残差边线性叠加并再次通过卷积进行通道压缩，得到通道数为所述第二原始通道数一半的所述第一目标融合特征图。
[0032]第二方面，本申请提供一种图像分割装置包括：
[0033]特征提取压缩模块，用于通过双残差结构模块编码器对输入的原始特征图进行特征提取和特征压缩，得到所述原始特征图的最终输出特征图；
[0034]特征整合映射模块，用于通过所述双残差结构模块编码器对所述最终输出特征图进行整合和映射，得到第一待融合特征图和第二待融合特征图；
[0035]特征融合模块，用于通过特征融合增强模块双解码器对所述第一待融合特征图和所述第二待融合特征图进行特征融合，得到最终融合特征图。
[0036]第三方面，本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述图像分割方法。
[0037]第四方面，本申请还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括计算机程序，所述计算机程序被所述处理器执行时实现第一方面所述图像分割方法。
[0038]第五方面，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被所述处理器执行时实现第一方面所述图像分割方法。
[0039]本申请提供的图像分割方法、装置、电子设备及计算机存储介质，在图像分割的过程中，通过双残差结构模块编码器的强特征提取能力，使得提取出的特征图有更好的语义表达能力，再结合特征融合增强模块双解码器的强特征融合能力，提高了图像分割的精确度。
附图说明
[0040]为了更清楚地说明本申请的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：通过双残差结构模块编码器对输入的原始特征图进行特征提取和特征压缩，得到所述原始特征图的最终输出特征图；通过所述双残差结构模块编码器对所述最终输出特征图进行整合和映射，得到第一待融合特征图和第二待融合特征图；通过特征融合增强模块双解码器对所述第一待融合特征图和所述第二待融合特征图进行特征融合，得到最终融合特征图。2.根据权利要求1所述的图像分割方法，其特征在于，所述通过双残差结构模块编码器对输入的原始特征图进行特征提取和特征压缩，得到所述原始特征图的最终输出特征图，包括：基于所述双残差结构模块编码器中的卷积、批归一化和激活函数对所述原始特征图进行特征提取，得到原始特征；将原始特征与所述原始特征图通过残差边线性相加进行特征加权，得到加权后的特征图；基于所述加权后的特征图结合所述双残差结构模块编码器中的注意力机制，得到所述最终输出特征图。3.根据权利要求2所述的图像分割方法，其特征在于，所述基于所述加权后的特征图结合所述双残差结构模块编码器中的注意力机制，得到所述最终输出特征图，包括：将所述加权后的特征图通过所述激活函数，并在特征图的宽高维度取均值，得到各个通道的权重向量；将各个所述权重向量通过线性映射和所述激活函数，得到各个通道的第一权重系数；基于各个所述第一权重系数和所述原始特征图，得到所述最终输出特征图。4.根据权利要求3所述的图像分割方法，其特征在于，所述基于各个所述第一权重系数和所述原始特征图，得到所述最终输出特征图，包括：将各个所述第一权重系数与所述原始特征图进行元素对位点乘，得到增强后的特征图；将所述增强后的特征图与所述原始特征图进行残差边线性叠加，得到所述最终输出特征图。5.根据权利要求1所述的图像分割方法，其特征在于，所述通过所述双残差结构模块编码器对所述最终输出特征图进行整合和映射，得到第一待融合特征图和第二待融合特征图，包括：通过所述双残差结构模块编码器中的第一预设大小的卷积对所述最终输出特征图进行特征整合，得到整合后的特征图；通过所述双残差结构模块编码器中预设数量的第二预设大小的卷积对所述整合后的特征图进行特征映射，得到与所述最终输出特征图的第一原始通道数相同的所述第一待融合特征图，以及通道数为所述第一原始通道数两倍的所述第二待融合特征图。6.根据权利要求1所述的图像分割方法，其特征在于，所述...
【专利技术属性】
技术研发人员：后兴海，毕福昆，孙宇，郦丽，侯正方，
申请(专利权)人：北京北方智图信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。