基于多尺度的细节增强图像分割方法技术

本发明专利技术公开了一种基于多尺度的细节增强图像分割方法

【技术实现步骤摘要】
基于多尺度的细节增强图像分割方法、系统、设备及介质


[0001]本专利技术涉及时频变换领域，尤其是涉及一种基于多尺度的细节增强图像分割方法
、
系统
、
设备及介质
。

技术介绍

[0002]在医学图像分割领域，如何获得准确的细节信息以完成高质量的分割是一个挑战
。
现实世界中，物体和结构通常具有多尺度特征，这意味着它们在不同的尺度或细节水平上表现出不同的属性或特征
。
因此通常面临两个问题：各通道的特征信息存在高度冗余和相似性
。
随着特征图的通道维度在编码器阶段不断扩大，冗余信息也随之增加
。Unet
‑
shape
中频繁的跨层级特征融合操作也会放大冗余的影响，稀释重要的细节信息，影响对目标物体的边界确定
。
其次，单尺度卷积核限制了网络获得目标背景信息的能力
。
并且现有技术通常在单一尺度内使用标准卷积，这可能会限制多尺度结构的特征提取能力
。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一
。
为此，本专利技术提出一种基于多尺度的细节增强图像分割方法
、
系统
、
设备及介质，能够增强了卷积核的骨架的同时，增加网络主干部分的有效感受野，同时减少冗余信息对后续特征融合操作的影响
。
[0004]第一方面，本专利技术的实施例提供了一种基于多尺度的细节增强图像分割方法，所述基于多尺度的细节增强图像分割方法包括：
[0005]获取待分割图像；
[0006]将所述待分割图像输入由多个尺度卷积通道组成的分割网络，得到多个与所述尺度卷积通道一一对应的输出子集；
[0007]将所有所述输出子集拼接，得到输出集；
[0008]将所述输出集分别输入预设的多个细节增强单元，输出得到多个与所述细节增强单元一一对应的特征信息；所述多个细节增强单元具有多个尺度卷积；
[0009]将所述特征信息融合，得到分割预测图
。
[0010]根据本专利技术实施例的方法，至少具有如下有益效果：
[0011]首先将待分割图像输入由多个尺度卷积通道组成的分割网络，进行不同尺度的通道下进行特征信息的提取，能够收集细微的尺寸变化和细节信息，给网络带来更好的特征提取能力；其次将输出子集拼接，得到输出集，将不同尺度的特征信息融合，为后续细节增强提供良好的数据基础；然后将输出集分别输入多个细节增强单元，得到细节增强单元一一对应的特征信息，通过多个尺度卷积可以对特征产生不同程度的注意，增强了对特征信息的敏感性，确保对特征信息的识别准确度；最后将特征信息融合，得到分割预测图，结合不同尺度细节增强的特征信息，能够生成不同深度的预测图，将不同深度的预测图融合就能得到分割预测图，实现高质量分割的同时，不会明显增加计算成本，得到了优异的性能提升
。
[0012]根据本专利技术的一些实施例，将所述待分割图像输入由多个尺度卷积通道组成的分割网络，得到多个与所述尺度卷积通道一一对应的输出子集，包括：
[0013]将所述待分割图像划分成多个输入子集；
[0014]将所述输入子集输入对应的所述尺度卷积通道，得到与所述尺度卷积通道一一对应的输出子集；所述尺度卷积通道包括由深度卷积和点卷积组成的深度可分离卷积核，且所述深度可分离卷积核由大于预设尺寸阈值的大卷积核组成
。
[0015]根据本专利技术的一些实施例，所述多个细节增强单元通过如下方法得到：
[0016]筛选所述多个细节增强单元中大于叠加阈值的预设卷积核，得到待叠加卷积核；
[0017]将所述待叠加卷积核通过标准卷积核和非对称卷积核进行叠加，得到叠加卷积核；
[0018]将所述细节增强单元根据所述叠加卷积核由大至小进行排列，得到所述多个细节增强单元
。
[0019]根据本专利技术的一些实施例，所述将所述待叠加卷积核通过标准卷积核和非对称卷积核进行叠加，得到叠加卷积核，包括：
[0020]将所述标准卷积核和所述非对称卷积核均设置为所述大卷积核；
[0021]将所述大卷积核通过所述二维卷积核的可加性进行叠加，得到叠加卷积核；其中，所述通过所述二维卷积核的可加性进行叠加的计算公式包括：
[0022][0023]其中，其中，
I
表示输入矩阵，
K
表示兼容大小的二维卷积核，表示核参数的相应位置元素相加操作
。
[0024]根据本专利技术的一些实施例，所述将所述特征信息融合，得到分割预测图，包括：
[0025]将所述特征信息通过
Decoder
架构进行融合，得到融合特征信息；
[0026]将所述融合特征信息通过上采样方法得到所述分割预测图
。
[0027]每个所述尺度卷积通道之间独立进行卷积操作
。
[0028]根据本专利技术的一些实施例，所述大卷积核由小于所述预设尺寸阈值的小卷积核兼容得到
。
[0029]第二方面，本专利技术的实施例提供了一种基于多尺度的细节增强图像分割系统，所述基于多尺度的细节增强图像分割系统包括：
[0030]图像获取模块，用于获取待分割图像；
[0031]通道多尺度模块，用于将所述待分割图像输入由多个尺度卷积通道组成的分割网络，得到多个与所述尺度卷积通道一一对应的输出子集；
[0032]输出子集拼接模块，用于将所有所述输出子集拼接，得到输出集；
[0033]多尺度细节增强模块，用于将所述输出集分别输入预设的多个细节增强单元，输出得到多个与所述细节增强单元一一对应的特征信息；所述多个细节增强单元具有多个尺度卷积；
[0034]特征融合模块，用于将所述特征信息融合，得到分割预测图
。
[0035]第三方面，本专利技术的实施例提供了一种电子设备，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制
处理器能够执行如第一方面所述的基于多尺度的细节增强图像分割方法
。
[0036]第四方面，本专利技术的实施例提供了一种计算机存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一方面所述的基于多尺度的细节增强图像分割方法
。
[0037]需要注意的是，本专利技术的第二方面和第三方面与现有技术之间的有益效果与第一方面的插件快速接入方法的有益效果相同，此处不再细述
。
[0038]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解
。
附图说明
[0039]本专利技术的上述和
/
...

【技术保护点】

【技术特征摘要】
1.
一种基于多尺度的细节增强图像分割方法，其特征在于，所述基于多尺度的细节增强图像分割方法包括：获取待分割图像；将所述待分割图像输入由多个尺度卷积通道组成的分割网络，得到多个与所述尺度卷积通道一一对应的输出子集；将所有所述输出子集拼接，得到输出集；将所述输出集分别输入预设的多个细节增强单元，输出得到多个与所述细节增强单元一一对应的特征信息；所述多个细节增强单元具有多个尺度卷积；将所述特征信息融合，得到分割预测图
。2.
根据权利要求1所述基于多尺度的细节增强图像分割方法，其特征在于，将所述待分割图像输入由多个尺度卷积通道组成的分割网络，得到多个与所述尺度卷积通道一一对应的输出子集，包括：将所述待分割图像划分成多个输入子集；将所述输入子集输入对应的所述尺度卷积通道，得到与所述尺度卷积通道一一对应的输出子集；所述尺度卷积通道包括由深度卷积和点卷积组成的深度可分离卷积核，且所述深度可分离卷积核由大于预设尺寸阈值的大卷积核组成
。3.
根据权利要求2所述的基于多尺度的细节增强图像分割方法，其特征在于，所述多个细节增强单元通过如下方法得到：筛选所述多个细节增强单元中大于叠加阈值的预设卷积核，得到待叠加卷积核；将所述待叠加卷积核通过标准卷积核和非对称卷积核进行叠加，得到叠加卷积核；将所述细节增强单元根据所述叠加卷积核由大至小进行排列，得到所述多个细节增强单元
。4.
根据权利要求3所述的基于多尺度的细节增强图像分割方法，其特征在于，所述将所述待叠加卷积核通过标准卷积核和非对称卷积核进行叠加，得到叠加卷积核，包括：将所述标准卷积核和所述非对称卷积核均设置为所述大卷积核；将所述大卷积核通过所述二维卷积核的可加性进行叠加，得到叠加卷积核；其中，所述通过所述二维卷积核的可加性进行叠加的计算公式包括：其中，其中，
I
表示输入矩阵，
K
表示兼容大小的二维卷积核，表示核参数的相...

【专利技术属性】
技术研发人员：徐红，马圆港，冯跃，陈涛，林卓胜，吴欣，刘启超，
申请(专利权)人：五邑大学，
类型：发明
国别省市：