[發明專利]圖像識別方法和設備

在審

• 申請號: 201810444726.2
• 申請日: 2018-05-10
• 公開（公告）號: CN108629378A
• 公開（公告）日: 2018-10-09
• 發明（設計）人: 谷碩
• 申請（專利權）人: 上海鷹瞳醫療科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京華仁聯合知識產權代理有限公司 11588
• 代理人: 蘇雪雪

本發明提供一種圖像識別方法和設備，所述方法包括：獲取圖像；根據所述圖像內的像素點的像素值在所述圖像中標記出感興趣像素點；根據所述感興趣像素點在所述圖像中的分布情況對所述感興趣像素點中的噪聲進行排除處理；利用機器學習模型對標記了經過排除處理后剩余的感興趣像素點的所述圖像進行識別，以在所述圖像中標記識別目標的像素點，其中所述機器學習模型是利用標記有識別目標像素點的樣本圖像和標記有非識別目標像素點的樣本圖像進行訓練得到的。

技術領域

本發明涉及醫療圖像處理領域，具體涉及一種圖像識別方法和設備。

背景技術

利用機器學習算法和模型對圖像進行識別是一種高效的方式，也是諸如自動駕駛、智能攝像、機器人等眾多領域的底層技術。

利用機器學習模型(例如神經網絡)進行圖像識別之前，首先要使用樣本圖像對模型進行訓練，訓練的方式通常是：1.由人工在圖像中標記出感興趣目標，并生成目標區域標識信息；2.使用標注生成的標識信息和圖像一同輸入深度神經網絡；3.訓練深度神經網絡，待其收斂。然后則可以利用經過訓練的機器學習模型從圖像中識別并標記出感興趣目標。

對于模型的訓練階段，在上述方式中，第1步要求標注者描畫出圖片中所有可能為目標的區域，對于沒有被描畫出的目標，會被機器學習模型默認為背景，影響訓練結果，進而影響識別準確度?，F有的基于機器學習的圖像識別方法的局限有：需要大量標注過的圖片、人力成本較高，對于一些較難標注的圖片如目標過于不規則、目標過小、目標過多的情況，目標的標注為一大難題。所以目前多數樣本圖像中只標記了單一且明顯的感興趣目標。

對于模型的輸出結果，由于訓練階段所使用的樣本圖像中的特征比較簡單，所以利用機器學習模型直接對圖像進行識別時，對于復雜的圖像，感興趣區域的位置、形狀、尺寸不確定性很強，由此使得模型的輸出結果準確性較差。

發明內容

有鑒于此，本發明提供一種圖像識別方法，包括：

獲取圖像；

根據所述圖像內的像素點的像素值在所述圖像中標記出感興趣像素點；

根據所述感興趣像素點在所述圖像中的分布情況對所述感興趣像素點中的噪聲進行排除處理；

利用機器學習模型對標記了經過排除處理后剩余的感興趣像素點的所述圖像進行識別，以在所述圖像中標記識別目標的像素點，其中所述機器學習模型是利用標記有識別目標像素點的樣本圖像和標記有非識別目標像素點的樣本圖像進行訓練得到的。

可選地，所述根據所述圖像內的像素點的像素值在所述圖像中標記出感興趣像素點，包括：

對所述圖像進行預處理以增強像素點的特征；

根據預處理后的所述圖像內的像素點的像素值在所述圖像中標記出感興趣像素點。

可選地，采用下列公式對所述圖像進行預處理：

dst＝α·src1+β·src2+γ，

其中，dst為預處理后的圖像像素矩陣，src1為所述圖像的像素矩陣，src2是對所述圖像進行高斯模糊處理后的圖像的像素矩陣，α、β是用于控制圖像融合時的占比的參數，γ是用于控制圖像整體亮度的參數。

可選地，所述根據所述圖像內的像素點的像素值在所述圖像中標記出感興趣像素點，包括：

在所述圖像中確定特定區域；

根據所述特定區域以外的像素點的像素值在所述圖像中標記出感興趣像素點。

可選地，所述根據所述圖像內的像素點的像素值在所述圖像中標記出感興趣像素點，包括：

將所述圖像劃分為多個區域，所述多個區域中的不同的區域間相互有部分重合；