图像分割方法、图像分割装置以及计算机可读存储介质制造方法及图纸

本申请提供一种图像分割方法、图像分割装置以及计算机可读存储介质。该图像分割方法包括：获取三维图像；将所述三维图像分解为若干二维图像；将所述若干二维图像分别输入语义分割模型，以获取若干二维图像的语义分割图像，其中，所述语义分割图像中像素点的像素值为所述语义分割模型预测的概率值；利用所述若干二维图像的语义分割图像获取所述三维图像的语义分割图像；基于所述三维图像的语义分割图像生成所述三维图像的实例分割结果。通过上述方式，图像分割方法综合多个方向的二维语义分割结果得到三维图像的语义分割结果，避免使用标注成本昂贵的三维图像训练。注成本昂贵的三维图像训练。注成本昂贵的三维图像训练。

【技术实现步骤摘要】
图像分割方法、图像分割装置以及计算机可读存储介质


[0001]本申请涉及图像处理
，特别是涉及一种图像分割方法、图像分割装置以及计算机可读存储介质。

技术介绍

[0002]随着生物成像技术的发展，当前技术已可以对鼠脑、猴脑的全脑样本进行微米级成像。对成像数据中的每个细胞个体进行分割处理可以为细胞类别分析、形态分析、分布统计等研究提供重要信息。
[0003]图像分割是计算机视觉领域的基础任务，也是图像处理中最困难的任务之一。简单来说图像分割任务就是在一幅图像中，将目标与背景分离。根据是否区分出每个独立的目标个体，可划分为语义分割任务和实例分割任务。
[0004]然而，目前的图像分割任务一般是用于处理二维图像，对于三维图像，需要训练对应的语义分割模型，而三维图像的标注成本及其昂贵，需要大量的人工参与，以及大量的训练资源，导致三维图像的语义分割技术一直处理低水平的情况，语义分割精度不高。

技术实现思路

[0005]本申请提供了一种图像分割方法、图像分割装置以及计算机可读存储介质。
[0006]本申请提供了一种图像分割方法，所述图像分割方法包括：
[0007]获取三维图像；
[0008]将所述三维图像分解为若干二维图像；
[0009]将所述若干二维图像分别输入语义分割模型，以获取若干二维图像的语义分割图像，其中，所述语义分割图像中像素点的像素值为所述语义分割模型预测的概率值；
[0010]利用所述若干二维图像的语义分割图像获取所述三维图像的语义分割图像；
[0011]基于所述三维图像的语义分割图像生成所述三维图像的实例分割结果。
[0012]其中，所述将所述三维图像分解为若干二维图像，包括：
[0013]将所述三维图像分别按照X方向、Y方向和/或Z方向分解为所述若干二维图像；
[0014]所述三维图像在一分解方向上的图像维度决定按照该分解方向分解得到的二维图像的数量。
[0015]其中，所述利用所述若干二维图像的语义分割图像获取所述三维图像的语义分割图像，包括：
[0016]获取所述三维图像的像素点在所述若干二维图像的语义分割图像中的若干概率值；
[0017]将所述若干概率值叠加平均，得到所述三维图像的像素点的概率值；
[0018]获取所述三维图像上所有像素点的概率值，并组成所述三维图像的语义分割图像。
[0019]其中，所述语义分割模型为U
‑
Net模型。
[0020]其中，所述基于所述三维图像的语义分割图像生成所述三维图像的实例分割结果，包括：
[0021]将所述三维图像的语义分割图像基于预设分类阈值进行二值化处理，得到所述三维图像的二值化图像；
[0022]将所述二值化图像与所述三维图像相乘，得到显示实例分割结果的实例分割图像。
[0023]其中，所述将所述二值化图像与所述三维图像相乘之后，所述图像分割方法还包括：
[0024]利用所述二值化图像与所述三维图像相乘的结果，获取若干局部极值点；
[0025]利用所述若干局部极值点生成若干种子点；
[0026]根据所述若干种子点对所述三维图像进行实例分割，得到实例分割结果。
[0027]其中，所述利用所述若干局部极值点生成若干种子点，包括：
[0028]将所述若干局部极值点从大到小进行排列，形成极值列表；
[0029]将所述极值列表中的若干极值点依次生成所述若干种子点。
[0030]其中，所述根据所述若干种子点对所述三维图像进行实例分割，得到实例分割结果，包括：
[0031]将所述三维图像、所述若干种子点以及所述二值化图像与所述三维图像作为输入，运行分水岭算法进行计算，得到所述实例分割结果。
[0032]本申请还提供了一种图像分割装置，所述图像分割装置包括处理器和存储器，所述存储器中存储有程序数据，所述处理器用于执行所述程序数据以实现如上述的图像分割方法。
[0033]本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序数据，所述程序数据在被处理器执行时，用以实现上述的图像分割方法。
[0034]本申请的有益效果是：图像分割装置获取三维图像；将所述三维图像分解为若干二维图像；将所述若干二维图像分别输入语义分割模型，以获取若干二维图像的语义分割图像，其中，所述语义分割图像中像素点的像素值为所述语义分割模型预测的概率值；利用所述若干二维图像的语义分割图像获取所述三维图像的语义分割图像；基于所述三维图像的语义分割图像生成所述三维图像的实例分割结果。通过上述方式，图像分割方法综合多个方向的二维语义分割结果得到三维图像的语义分割结果，避免使用标注成本昂贵的三维图像训练。
附图说明
[0035]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
[0036]图1是本申请提供的图像分割方法一实施例的流程示意图；
[0037]图2是本申请提供的U
‑
Net模型的网络结构示意图；
[0038]图3是本申请提供的图像分割方法另一实施例的流程示意图；
[0039]图4是本申请提供的分水岭算法的效果示意图；
[0040]图5是本申请提供的原始三维图像的平面示意图；
[0041]图6是本申请提供的实例分割结果的示意图；
[0042]图7是本申请提供的图像分割装置一实施例的结构示意图；
[0043]图8是本申请提供的图像分割装置另一实施例的结构示意图；
[0044]图9是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
[0045]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0046]本申请针对荧光三维成像数据提出一种基于语义分割和极值检测的细胞图像实例分割算法，可以对三维荧光图像中的细胞个体进行实例分割，支持后续研究分析。
[0047]请参阅图1，图1是本申请提供的图像分割方法一实施例的流程示意图。
[0048]其中，本申请的图像分割方法应用于一种图像分割装置，其中，本申请的图像分割装置可以为服务器，也可以为由服务器和终端设备相互配合的系统。相应地，图像分割装置包括的各个部分，例如各个单元、子单元、模块、子模块可以全部设置于服务器中，也可以分别设置于服务器和终端设备中。
[0049]进一步地，上述服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成本文档来自技高网...

【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，所述图像分割方法包括：获取三维图像；将所述三维图像分解为若干二维图像；将所述若干二维图像分别输入语义分割模型，以获取若干二维图像的语义分割图像，其中，所述语义分割图像中像素点的像素值为所述语义分割模型预测的概率值；利用所述若干二维图像的语义分割图像获取所述三维图像的语义分割图像；基于所述三维图像的语义分割图像生成所述三维图像的实例分割结果。2.根据权利要求1所述的图像分割方法，其特征在于，所述将所述三维图像分解为若干二维图像，包括：将所述三维图像分别按照X方向、Y方向和/或Z方向分解为所述若干二维图像；所述三维图像在一分解方向上的图像维度决定按照该分解方向分解得到的二维图像的数量。3.根据权利要求1或2所述的图像分割方法，其特征在于，所述利用所述若干二维图像的语义分割图像获取所述三维图像的语义分割图像，包括：获取所述三维图像的像素点在所述若干二维图像的语义分割图像中的若干概率值；将所述若干概率值叠加平均，得到所述三维图像的像素点的概率值；获取所述三维图像上所有像素点的概率值，并组成所述三维图像的语义分割图像。4.根据权利要求1所述的图像分割方法，其特征在于，所述语义分割模型为U
‑
Net模型。5.根据权利要求1所述的图像分割方法，其特征在于，所述基于所述三维图像的语义分割图像生成所述三维图像的实例分割结果，包括：将所述三维图像的语义分割图像基于预设分类阈值进行二值化处理，...

【专利技术属性】
技术研发人员：栾新磊，杨朝宇，肖彦洋，周鹏程，毕国强，徐放，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：