[發明專利]一種基于邊界引導深度學習的圖像分割算法

在審

• 申請號: 202010875313.7
• 申請日: 2020-08-27
• 公開（公告）號: CN112102259A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 王雷;沈梅曉;常倩;施策;陳浩
• 申請（專利權）人: 溫州醫科大學附屬眼視光醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06N3/04;G06N3/08
• 代理公司: 溫州金甌專利事務所(普通合伙) 33237
• 代理人: 王宏雷

1.一種基于邊界引導深度學習的圖像分割算法，其特征在于，包括以下步驟：

(1)根據傳統邊界探測算法，構建三個不同的卷積模塊，即編碼卷積模塊、解碼卷積模塊、以及邊界意識卷積模塊，實現輸入圖像中目標卷積特征和邊界卷積特征的探測；

(2)將三種不同的卷積模塊整合到經典的U-NET網絡中，構造兩個不同的網絡分支，分別為目標提取子網絡和邊界探測子網絡，利用上述兩個子網絡執行興趣目標及其邊界的準確提取；

(3)有效整合上述兩個子網絡中的卷積特征，實現邊界卷積特征引導的圖像分割。

2.根據權利要求1所述的一種基于邊界引導深度學習的圖像分割算法，其特征在于，所述的步驟(1)具體為：基于傳統邊界探測算法，將編碼卷積模塊和解碼卷積模塊整合到經典的U-Net網絡中，用于替換該網絡在圖像編碼和特征解碼過程中使用的單一卷積模塊，從而構建一個目標提取子網絡(OES)，該網絡和U-Net在網絡架構上保持一致，實現目標和邊界卷積特征的分別提取，以及興趣目標的分割，將目標提取子網絡中獲取的邊界卷積特征輸入到邊界意識卷積模塊中，同樣以U-NET網絡架構的形式構建一個新的邊界探測子網絡(EDS)，執行興趣目標對應邊界的提取。

3.根據權利要求2所述的一種基于邊界引導深度學習的圖像分割算法，其特征在于，所述的將目標提取子網絡中獲取的邊界卷積特征輸入到邊界意識卷積模塊中，同樣以U-NET網絡架構的形式構建一個新的邊界探測子網絡的步驟為：根據U-Net網絡中解碼卷積模塊的結構，需要對不同的編碼卷積特征進行串聯處理，然后利用多個卷積層對串聯結果進行卷積和作差操作，從而得到一個用于提取目標區域的解碼卷積模塊和一個用于探測目標邊界的邊界意識卷積模塊。

4.根據權利要求1所述的一種基于邊界引導深度學習的圖像分割算法，其特征在于，所述的步驟(2)具體為：將上述編碼卷積模塊和解碼卷積模塊整合到U-NET網絡結構中，構建一個目標提取子網絡，用于提取指定的目標區域，將編碼卷積模塊和邊界意識卷積模塊整合到U-NET網絡結構中，構建一個邊界探測子網絡，用于探測目標區域對應的邊界，兩個子網絡分別用于目標和邊界卷積特征的解碼處理，實現輸入圖像到興趣目標及其對應邊界的分割。

5.根據權利要求1所述的一種基于邊界引導深度學習的圖像分割算法，其特征在于，所述的步驟(3)具體為：將編碼卷積模塊的探測的目標和邊界卷積特征、邊界意識卷積模塊輸出的解碼卷積特征、以及輸入圖像的上采樣操作的輸出結果四種特征信息輸入到解碼卷積模塊中，通過基于圖像通道的串聯操作實現各種不同種類的特征信息的整合，然后使用三個相同卷積層,即Conv3×3→BN→ReLU，一個基于元素的減法運算和一個基于圖像通道的串聯操作，執行特征信息的解碼處理,逐層級地執行兩個子網絡輸出結果之間的整合與解碼，構建一個基于邊界引導的圖像分割網絡。