[發明專利]一種基于八度卷積改進U-net網絡的圖像分割方法

有效

• 申請號: 202010598005.4
• 申請日: 2020-06-28
• 公開（公告）號: CN111833352B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 馬玉良;段曉鵬;李雪;張啟忠;孟明
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.一種基于八度卷積改進U-net網絡的圖像分割方法，其特征在于：包括如下步驟：

步驟1、對CT圖像進行預處理，把數據集分成訓練集和測試集，并將訓練集進行數據增廣作為訓練輸入；

步驟2、構建八度卷積模塊；

所述八度卷積模塊包括高頻分支和低頻分支，高頻分支包括高頻卷積層、平均池化層、高頻到低頻卷積層以及高頻Relu激活層；低頻分支包括低頻卷積層、上采樣層、上采樣Relu激活層、低頻到高頻卷積層以及低頻Relu激活層；

所述高頻卷積層的特征通道數C₁是輸出總特征通道數的1-α倍，即：

C₁＝(1-α)×C_all??(1)

其中，α為低頻通道所占總通道數的比例，C_all是輸出總特征通道數；

所述低頻卷積層的特征通道數C₂是輸出總特征通道數的α倍，即：

C₂＝α×C_all????(2)

所述平均池化層的特征圖輸出的邊長S₂為：

S₂＝S₁÷2????(3)

其中，S₁是高頻輸入特征圖的邊長；

所述高頻到低頻卷積層的特征通道數C₃與低頻卷積層的特征通道數相同，即C₃＝C₂；

以Relu激活層的數學表達式皆為：

f(x)＝max(0，x)??????(4)

其中，x是前一層卷積層的輸出；

所述上采樣層的特征圖輸出的邊長S₃與高頻輸入特征圖的邊長相等，即S₃＝S₁；

所述低頻到高頻卷積層的特征通道數C₄與高頻卷積層的特征通道數相同，即C₄＝C₁；

步驟3、構建分層殘差跳連模塊；

所述分層殘差跳連模塊是由m個殘差跳連模塊組合的復合層；

所述殘差跳連模塊包括殘差分支和捷徑分支；其中殘差分支包括第一卷積層、第一Relu激活層和第二卷積層，捷徑分支包括恒等映射層和第二Relu激活層；

所述第一卷積層、第二卷積層特征通道數R₁、R₂與輸入特征通道數C_in相同，即R₁＝R₂＝C_in；

所述恒等映射層特征通道數C_add與輸入特征通道數相同；

所述分層殘差跳連模塊中殘差跳連模塊的個數根據下采樣次數的不同而變化，且每一層的殘差跳連模塊都分成高頻和低頻；

步驟4、以八度卷積模塊替代普通卷積，以分層殘差跳連模塊替代原始網絡的復制跳連，構建基于八度卷積的改進U-net網絡；

步驟5、對步驟4構建形成的基于八度卷積的改進U-net網絡進行訓練，得到分割網絡模型；

步驟6、將測試集圖像輸入步驟5訓練得到的分割網絡模型中，得到分割后的預測圖。

2.根據權利要求1所述的一種基于八度卷積改進U-net網絡的圖像分割方法，其特征在于：在步驟3中根據需求增加額外的1*1卷積層，其特征通道數與恒等映射層匹配。