[發明專利]圖像分割方法、裝置、計算機設備和存儲介質

有效

• 申請號: 201810463609.0
• 申請日: 2018-05-15
• 公開（公告）號: CN108765425B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 林迪;黃惠
• 申請（專利權）人: 深圳大學
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 何平

1.一種圖像分割方法，所述方法包括：

獲取待分割圖像；

將所述待分割圖像輸入到全卷積神經網絡的輸入變量中，輸出卷積特征圖；

將所述卷積特征圖輸入到上下文可切換神經網絡的輸入變量中，將所述卷積特征圖劃分為超像素區域，所述超像素區域為所述卷積特征圖的子區域；所述上下文可切換神經網絡是根據圖像結構和深度數據預先訓練好的一種全卷積神經網絡；

計算所述超像素區域的平均深度值；

根據所述平均深度值生成與所述超像素區域對應的上下文表達信息；

根據所述卷積特征圖與所述上下文表達信息生成中間特征圖，所述中間特征圖用于進行圖像分割。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據所述超像素區域生成局部特征圖。

3.根據權利要求2所述的方法，其特征在于，所述根據所述平均深度值生成與所述超像素區域對應的上下文表達信息，包括：

將所述平均深度值與條件深度值進行比較；

當所述平均深度值小于所述條件深度值時，對所述超像素區域進行壓縮；

當所述平均深度值大于或者等于所述條件深度值時，對所述超像素區域進行擴展。

4.根據權利要求3所述的方法，其特征在于，所述當所述平均深度值小于所述條件深度值時，對所述超像素區域進行壓縮，包括

將所述超像素區域對應的局部特征圖輸入到預設的三個卷積神經網絡進行處理，得到壓縮后的超像素區域；

其中，所述三個卷積神經網絡包括兩個卷積核為1的神經網絡和一個卷積核為3的神經網絡。

5.根據權利要求3所述的方法，其特征在于，所述當所述平均深度值大于或者等于所述條件深度值時，對所述超像素區域進行擴展，包括：

將所述超像素區域對應的局部特征圖輸入到預設的三個卷積神經網絡進行處理，得到擴展后的超像素區域；

其中，所述三個卷積神經網絡包括兩個卷積核為7的神經網絡和一個卷積核為1的神經網絡。

6.根據權利要求1至5任一項所述的方法，其特征在于，所述上下文可切換神經網絡通過如下方式訓練得到：

根據所述卷積特征圖以及所述卷積特征圖的類別得到輸入層節點序列，將所述輸入層節點序列進行投影得到第一隱層對應的隱層節點序列，將第一隱層作為當前處理隱層；

根據當前處理隱層對應的隱層節點序列和當前處理隱層對應的各個神經元節點的權重和偏差采用非線性映射得到下一層隱層的隱層節點序列，將下一層隱層作為當前處理隱層，重復進入根據當前處理隱層對應的隱層節點序列和當前處理隱層對應的各個神經元節點對應的權重和偏差采用非線性映射得到下一層隱層的隱層節點序列的步驟，直到輸出層，獲取輸出層輸出的與所述卷積特征圖的類別對應的上下文表達信息概率矩陣。

7.一種圖像分割裝置，其特征在于，所述裝置包括：

圖像獲取模塊，用于獲取待分割圖像；

特征圖輸出模塊，用于將所述待分割圖像輸入到全卷積神經網絡的輸入變量中，輸出卷積特征圖；

信息輸出模塊，用于將所述卷積特征圖輸入到上下文可切換神經網絡的輸入變量中，將所述卷積特征圖劃分為超像素區域，所述超像素區域為所述卷積特征圖的子區域；所述上下文可切換神經網絡是根據圖像結構和深度數據預先訓練好的一種全卷積神經網絡；計算所述超像素區域的平均深度值；根據所述平均深度值生成與所述超像素區域對應的上下文表達信息；

特征圖生成模塊，用于根據所述卷積特征圖與所述上下文表達信息生成中間特征圖，所述中間特征圖用于進行圖像分割。

8.根據權利要求7所述的裝置，其特征在于，所述信息輸出模塊還用于根據所述超像素區域生成局部特征圖。

9.根據權利要求7所述的裝置，其特征在于，所述信息輸出模塊還用于將所述平均深度值與條件深度值進行比較；當所述平均深度值小于所述條件深度值時，對所述超像素區域進行壓縮；當所述平均深度值大于或者等于所述條件深度值時，對所述超像素區域進行擴展。