System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,具体涉及一种基于局部各向同性原理的图像分割方法与系统。
技术介绍
1、皮肤病灶分割是皮肤癌检测和治疗中的关键技术。目前,基于卷积神经网络的语义分割方法在皮肤病灶分割任务中发挥着关键作用。但是,经典的u型网络在编码阶段会因逐级下采样而损失大量有效特征。近年来,各向同性网络设计模式由于在每层具有相同的特征图大小,可以较好地保留空间信息。但是,直接将其应用于像素级分割任务会由于参数量过大,导致现有的图形计算硬件难以支持。所以,设计一种既保持各向同性网络的优点,参数量适中,又适合皮肤病灶分割任务的网络结构,是当前的研究热点。
技术实现思路
1、为了在使用各向同性网络进行图像分割还原过程中降低所需计算的参数量,提高分割效率,本专利技术提出了一种基于局部各向同性原理的图像分割方法,包括步骤:
2、s1:将目标图像切分为大小一致的图像块,并进行相邻图像块之间的弱相关性关联;
3、s2:通过各向同性全卷积模块对关联后的图像块进行深层语义特征的提取;
4、s3:通过高效通道注意力机制对深层语义特征表征进行校准以获得增强特征表示;
5、s4:通过可分离转置卷积模块对增强特征表示进行上采样,并通过空间镜像残差分支对上采样后的特征图进行有效特征的补充;
6、s5:通过不同参数的各向同性全卷积模块对补充后的特征图进行更高层语义特征的提取;
7、s6:判断特征图的分别率是否恢复至与目标图像一致,若否,返回s4步骤,
8、s7:通过逐点卷积和归一化指数函数对特征图中各像素点进行区别分类,并根据分类结果进行差异化标识。
9、进一步地,所述s1步骤中,采用滑动窗口大小大于滑动步长的设定,将滑动窗口按滑动步长在目标图像上滑动,获取具有重叠部位的图像块,实现相邻图像块之间的弱相关性关联。
10、进一步地,所述s4步骤中,可分离转置卷积模块由深度可分组转置卷积层、规范层和激活函数组成。
11、进一步地,所述s4步骤中,空间镜像残差分支通过对特征图进行轴对称填充来进行有效特征的补充。
12、进一步地,所述各向同性全卷积模块采用多种卷积核大小和网络深度进行各层语义特征的提取。
13、本专利技术还提出了一种基于局部各向同性原理的图像分割系统,包括:
14、图像分割单元,用于将目标图像切分为大小一致的图像块,并进行相邻图像块之间的弱相关性关联;
15、第一提取单元,用于通过各向同性全卷积模块对关联后的图像块进行深层语义特征表征的提取;
16、特征增强单元,用于通过高效通道注意力机制对深层语义特征表征进行校准以获得增强特征表示;
17、上采样单元,用于通过可分离转置卷积模块对增强特征表示进行上采样,并通过空间镜像残差分支对上采样后的特征图进行有效特征的补充;
18、第二提取单元,用于通过不同参数的各向同性全卷积模块对补充后的特征图进行更高层语义特征的提取;
19、分辨率判定单元,用于特征图的分别率恢复至与目标图像一致前依次调用上采样单元和第二提取单元;
20、分类标识单元,用于通过逐点卷积和归一化指数函数对特征图中各像素点进行区别分类,并根据分类结果进行差异化标识。
21、进一步地,所述图像分割单元中,采用滑动窗口大小大于滑动步长的设定,将滑动窗口按滑动步长在目标图像上滑动,获取具有重叠部位的图像块,实现相邻图像块之间的弱相关性关联。
22、进一步地,所述上采样单元中,可分离转置卷积模块由深度可分组转置卷积层、规范层和激活函数组成。
23、进一步地,所述上采样单元中,空间镜像残差分支通过对特征图进行轴对称填充来进行有效特征的补充。
24、进一步地,所述各向同性全卷积模块采用多种卷积核大小和网络深度进行各层语义特征的提取。
25、与现有技术相比,本专利技术至少含有以下有益效果:
26、(1)本专利技术所述的一种基于局部各向同性原理的图像分割方法与系统,通过可分离转置卷积和空间镜像残差,在通过各向同性网络进行图像分割的同时,减少了信息损失,降低了参数需求量;
27、(2)采用分离转置卷积的上采样操作,通过减小参数量和计算量,不仅提高了运行速度,还改善了模型泛化能力;
28、(3)采用空间镜像残差分支来降低网络的计算和参数代价,增强网络的特征表达能力和鲁棒性,提升模型的性能。
本文档来自技高网...【技术保护点】
1.一种基于局部各向同性原理的图像分割方法,其特征在于,包括步骤:
2.如权利要求1所述的一种基于局部各向同性原理的图像分割方法,其特征在于,所述S1步骤中,采用滑动窗口大小大于滑动步长的设定,将滑动窗口按滑动步长在目标图像上滑动,获取具有重叠部位的图像块,实现相邻图像块之间的弱相关性关联。
3.如权利要求1所述的一种基于局部各向同性原理的图像分割方法,其特征在于,所述S4步骤中,可分离转置卷积模块由深度可分组转置卷积层、规范层和激活函数组成。
4.如权利要求1所述的一种基于局部各向同性原理的图像分割方法,其特征在于,所述S4步骤中,空间镜像残差分支通过对特征图进行轴对称填充来进行有效特征的补充。
5.如权利要求1所述的一种基于局部各向同性原理的图像分割方法,其特征在于,所述各向同性全卷积模块采用多种卷积核大小和网络深度进行各层语义特征的提取。
6.一种基于局部各向同性原理的图像分割系统,其特征在于,包括:
7.如权利要求6所述的一种基于局部各向同性原理的图像分割系统,其特征在于,所述图像分割单元中,采用滑动
8.如权利要求6所述的一种基于局部各向同性原理的图像分割系统,其特征在于,所述上采样单元中,可分离转置卷积模块由深度可分组转置卷积层、规范层和激活函数组成。
9.如权利要求6所述的一种基于局部各向同性原理的图像分割系统,其特征在于,所述上采样单元中,空间镜像残差分支通过对特征图进行轴对称填充来进行有效特征的补充。
10.如权利要求6所述的一种基于局部各向同性原理的图像分割系统,其特征在于,所述各向同性全卷积模块采用多种卷积核大小和网络深度进行各层语义特征的提取。
...【技术特征摘要】
1.一种基于局部各向同性原理的图像分割方法,其特征在于,包括步骤:
2.如权利要求1所述的一种基于局部各向同性原理的图像分割方法,其特征在于,所述s1步骤中,采用滑动窗口大小大于滑动步长的设定,将滑动窗口按滑动步长在目标图像上滑动,获取具有重叠部位的图像块,实现相邻图像块之间的弱相关性关联。
3.如权利要求1所述的一种基于局部各向同性原理的图像分割方法,其特征在于,所述s4步骤中,可分离转置卷积模块由深度可分组转置卷积层、规范层和激活函数组成。
4.如权利要求1所述的一种基于局部各向同性原理的图像分割方法,其特征在于,所述s4步骤中,空间镜像残差分支通过对特征图进行轴对称填充来进行有效特征的补充。
5.如权利要求1所述的一种基于局部各向同性原理的图像分割方法,其特征在于,所述各向同性全卷积模块采用多种卷积核大小和网络深度进行各层语义特征的提取。
<...【专利技术属性】
技术研发人员:金鑫,张泽群,曾文军,
申请(专利权)人:宁波数字孪生东方理工研究院,
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。