[發明專利]一種基于雙路相關性學習網絡的圖像分割方法及系統

在審

• 申請號: 202010020569.X
• 申請日: 2020-01-09
• 公開（公告）號: CN111223100A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 襲肖明;于治樓;金長新
• 申請（專利權）人: 濟南浪潮高新科技投資發展有限公司
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 馮春連

1.一種基于雙路相關性學習網絡的圖像分割方法，其特征在于,其實現過程包括：

引入半監督分割框架，構建結構相同的上路網絡和下路網絡；

基于像素之間的相關性，在上路網絡中構建關系圖；

基于關系圖，將有標記的圖像輸入上路網絡進行訓練，得到訓練完成的上路網絡；

將未標記的圖像輸入下路網絡，對下路網絡的可調參數進行賦值，使下路網絡的分割結果與訓練所得上路網絡的分割結果一致，此時，得到訓練完成的下路網絡；

將待分割的未標記圖像輸入訓練完成的上路網絡和下路網絡，訓練完成的上路網絡和下路網絡輸出一致的分割結果。

2.根據權利要求1所述的一種基于雙路相關性學習網絡的圖像分割方法，其特征在于，在上路網絡中構建關系圖之前，需要首先使用全卷積神經網絡提取圖像中每個像素的特征，將每個像素屬于某一類的概率作為像素的特征，該類特征能夠獲取像素與每類特點的相關性，具有較好的魯棒性。

3.根據權利要求3所述的一種基于雙路相關性學習網絡的圖像分割方法，其特征在于，在上路網絡中構建關系圖，具體操作包括：

采用圖論技術構建關系圖；

構建關系圖時，將每個像素看作圖像中的節點，像素之間的相似性看作圖像的邊，引入度量學習框架中的最大間隔最近鄰法學習兩個節點之間的相似度，完成結構圖的構建。

4.根據權利要求1或2或3所述的一種基于雙路相關性學習網絡的圖像分割方法，其特征在于，構建未標記圖像分割一致項，使用標記圖像的數據擬合項，構建分割損失函數，并引入初始下路網絡，隨后通過改變下路網絡的可調參數，使下路網絡的分割結果與訓練所得上路網絡的分割結果一致。

5.根據權利要求1或2或3所述的一種基于雙路相關性學習網絡的圖像分割方法，其特征在于，所述半監督分割框架為CNN框架。

6.一種基于雙路相關性學習網絡的圖像分割系統，其特征在于，其包括：

構建模塊，用于通過半監督分割框架構建結構相同的上路網絡模型和下路網絡模型；

像素特征提取模塊，用于提取圖像中每個像素的特征，并根據像素特征獲取像素之間的相關性；

構建模塊一，用于根據像素特征提取模塊的獲取結果構建關系圖并存儲在上路網絡模型中；

訓練模塊一，用于將有標記的圖像輸入上路網絡模型進行訓練，得到訓練完成的上路網絡模型；

調整模塊，用于調整下路網絡模型的可調參數；

訓練模塊二，用于將未標記的圖像輸入下路網絡模型；

對比判斷模塊，用于對比下路網絡模型的分割結果與訓練所得上路網絡模型的分割結果是否一致，并在結果一致時輸出完成訓練的下路模塊模型，在結果不一致時返回調整模塊；

將待分割的未標記圖像輸入訓練完成的上路網絡模型和下路網絡模型，訓練完成的上路網絡模型和下路網絡模型輸出一致的分割結果。

7.根據權利要求6所述的一種基于雙路相關性學習網絡的圖像分割系統，其特征在于，所述像素特征提取模塊使用全卷積神經網絡提取圖像中每個像素的特征，將每個像素屬于某一類的概率作為像素的特征，該類特征能夠獲取像素與每類特點的相關性。

8.根據權利要求7所述的一種基于雙路相關性學習網絡的圖像分割系統，其特征在于，所述構建模塊一采用圖論技術構建關系圖；

所述構建模塊一構建關系圖時，將每個像素看作圖像中的節點，像素之間的相似性看作圖像的邊，引入度量學習框架中的最大間隔最近鄰法學習兩個節點之間的相似度，完成結構圖的構建。

9.根據權利要求6所述的一種基于雙路相關性學習網絡的圖像分割系統，其特征在于，所述構建模塊構建下路網絡模型的過程中，所述構建模塊還構建未標記圖像分割一致項，隨后使用標記圖像的數據擬合項構建分割損失函數，并引入初始下路網絡模型，所述調整參數改變分割損失函數的可調參數，使下路網絡模型的分割結果與訓練所得上路網絡模型的分割結果一致。

10.根據權利要求6所述的一種基于雙路相關性學習網絡的圖像分割系統，其特征在于，所述半監督分割框架為CNN框架。