[發明專利]圖像分割方法及圖像分割系統

有效

• 申請號: 202011566476.3
• 申請日: 2020-12-25
• 公開（公告）號: CN112669329B
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 張立箎;張健源;錢大宏;石峰;薛忠;沈定剛;陳磊
• 申請（專利權）人: 上海交通大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187;G06T7/00;G06V10/762;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 上海世圓知識產權代理有限公司 31320
• 代理人: 陳穎潔;王佳妮

1.一種圖像分割方法，其特征在于，包括如下步驟：

構建親和力矩陣步驟，使用基線卷積神經網絡訓練每個圖像樣本各自的單樣本分割模型，然后對所述單樣本分割模型進行交叉驗證以捕獲各個圖像樣本之間的相似性特征，這些相似性特征反映在一親和力矩陣中；

樣本聚類步驟，用親和力傳播算法根據所述親和力矩陣將特征類似的圖像樣本集聚為多個子集；

獲取子集分割模型步驟，將獲得的所述多個子集中的圖像樣本分別進行訓練，獲得具有聚類代表信息的多個子集分割模型；以及

形成多集群卷積神經網絡步驟，將獲得的所述多個子集分割模型分別產生一群集代表先驗，所述群集代表先驗為一組圖像代表特征的集合，將所述多個子集分割模型及其對應的所述群集代表先驗形成多集群卷積神經網絡。

2.如權利要求1所述的圖像分割方法，其特征在于，在所述形成多集群卷積神經網絡步驟之后還包括：

鑒別圖像步驟，將一待鑒別圖像輸入至所述多集群卷積神經網絡，所述多集群卷積神經網絡識別所述待鑒別圖像的多個特征并形成一特征集，對比所述特征集與所述群集代表先驗并識別出的最接近的群集代表先驗，用與該最接近的群集代表先驗相對應的子集分割模型對所述待鑒別圖像進行鑒別以獲取分割結果。

3.如權利要求1所述的圖像分割方法，其特征在于，在所述樣本聚類步驟中，所述對所述單樣本分割模型進行交叉驗證的具體方式為使用所有圖像樣本依次對每個單樣本分割模型進行交叉驗證。

4.如權利要求1所述的圖像分割方法，其特征在于，在所述樣本聚類步驟中，所述親和力矩陣使用圖像分割的評價指標Dice得分作為特征相似性的指標。

5.如權利要求1所述的圖像分割方法，其特征在于，在所述獲取子集分割模型步驟中，采用群集代表編碼器對所述多個子集中的圖像樣本分別進行訓練以獲得具有聚類代表信息的多個子集分割模型。

6.如權利要求5所述的圖像分割方法，其特征在于，在所述形成多集群卷積神經網絡步驟中，在所述群集代表編碼器中產生所述群集代表先驗。

7.如權利要求5所述的圖像分割方法，其特征在于，在所述形成多集群卷積神經網絡步驟中，在所述基線卷積神經網絡中插入一個融合塊以融合由所述群集代表編碼器產生的群集代表先驗。

8.一種圖像分割系統，其特征在于，包括：

輸入模塊，用于輸入圖像樣本或待鑒別圖像；

基線卷積神經網絡，用于訓練一個或多個圖像形成對應的分割模型，并可對所述分割模型進行交叉驗證以捕獲各個圖像之間的相似性特征；所述圖像包括圖像樣本或待鑒別圖像；

構建親和力矩陣模塊，用于將相似性特征反映在一親和力矩陣中；

樣本聚類模塊，用于采用親和力傳播算法根據所述親和力矩陣將特征類似的圖像樣本集聚為多個子集；以及

群集代表編碼器，用于對多個圖像進行訓練以獲得具有聚類代表信息的多個子集分割模型并用于產生每個子集分割模型的群集代表先驗，并可插入一個融合塊以融合由所述群集代表編碼器產生的群集代表先驗。

9.如權利要求8所述的圖像分割系統，其特征在于，還包括

多集群卷積神經網絡，由所述多個子集分割模型及其對應的所述群集代表先驗以及融合模塊構成，用于識別所述待鑒別圖像的多個特征并形成一特征集，對比所述特征集與所述群集代表先驗并識別出的最接近的群集代表先驗。

10.如權利要求8所述的圖像分割系統，其特征在于，

所述基線卷積神經網絡包括輸入層、輸出層、以及位于所述輸入層和所述輸出層之間的中間隱層，其中所述輸出層與所述輸入層的寬度相同。