[發明專利]基于機器學習的交互式圖像分割方法

有效

• 申請號: 202110186749.X
• 申請日: 2021-02-10
• 公開（公告）號: CN112862789B
• 公開（公告）日: 2023-06-13
• 發明（設計）人: 韓越興;楊珅;王冰
• 申請（專利權）人: 上海大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06V10/25;G06V10/774;G06V10/764;G06N20/00
• 代理公司: 上海上大專利事務所(普通合伙) 31205
• 代理人: 何文欣

本發明涉及一種基于機器學習的交互式圖像分割方法。本方法實現小樣本環境下復雜圖像的分割，首先是訓練模塊，通過定義輸入樣本的類別數，然后使用一到兩張樣本訓練，反復提取樣本各類別區域的部分放入機器學習模型中進行訓練，針對錯誤分類的像素，人工干預賦予正確的標簽，模型收集反饋信息并對結果修正，重復此過程直到結果基本正確，并生成該類型圖像分割的模型；然后是分割模塊，使用生成的分割模型對同類型的圖片批量分割，如果分類錯誤可重新訓練；此發明通過人機交互過程，引入了專家領域知識，使結果具有較高的可信度，可以解決小樣本環境下復雜紋理圖像分割問題，能夠節省大量的時間成本和人力成本。

技術領域

本發明針對樣本數量極少的復雜紋理圖像數據，提出了一種基于機器學習的交互式圖像分割方法。本發明可以應用在多個學科領域，如材料學、航空航天學、天文學、醫學、微觀結構學等中的圖像處理，提高復雜圖像分割速度，降低圖像處理時間成本和經費成本，促進相應的學界和產界的進步和發展。

技術背景

圖像分割是計算機視覺領域中的研究目標之一，具有重要的應用價值，同時也有一定的挑戰性。圖像分割是一種像素級別的分類技術，將圖像中的每個像素進行分類，從而為進一步的分析提供基礎。圖像分割在各個領域已經被廣泛使用，例如無人車自動駕駛，在不斷變化的環境中感知，識別，規劃和執行，高精度的圖像分割可以提供有關道路的實時信息，從而及時輔助車輛作出決策；在人臉檢測中，準確分割面部的各部位，能夠估計性別、表情、年齡和種族，為進一步的面部分析提供基礎；在醫學圖像處理中，準確分割病灶能夠加快診斷速度，以及對未知病毒進行推測分析，推動醫學的發展；在材料圖像處理中，對于圖像的微觀結構定量分析能夠揭示材料的宏觀性能、微觀結構和制備工藝三者關系，為材料快速開發打下了技術基礎；在土壤檢測中，幫助土地的衛星影像制圖；在智慧農業中，精確農業機器人利用圖像視覺技術提取不同區域圖像的分割，提高農業效率和降低生產成本。

盡管目前的圖像分割技術對很多圖像都能很好的分割，但是，當圖像中物體的紋理過于復雜的情況下，這些圖像分割技術往往很難勝任，對于具有復雜紋理的圖像進行分割是一項非常有挑戰性的工作。具有復雜紋理的圖像分割之所以很難實現，主要是由于這些圖像過于模糊，紋理很難用數學進行描述，不同物體的紋理使得邊界變得過于復雜，并且缺乏專家領域知識，在這些條件下，目前的計算機圖像分割算法很難自動地對復雜紋理圖像進行識別和分割。隨著機器學習的發展，針對圖像分割的方法也有了很大的發展，分割能力也迅速地提高，針對復雜紋理的圖像分割技術的實現在理論和實踐中有了可能。但是，機器學習訓練分割模型需要一定量的圖像樣本，在某些領域，例如醫學圖像，材料圖像，由于受制于環境等因素影響，可用于訓練的樣本極少，即小樣本問題；且分割結果的效果及精度主要取決于預處理階段的人工標注的效果和模型的泛化能力，標注需要耗費大量的時間和人力，結果也無法改變。

交互式的圖像分割技術可以在領域專家的參與下，在分割的過程中就可以進行標注，有助于標注困難的情況下的機器學習和深度學習，因此得到了越來越多的人的關注。本發明在小樣本環境下，提出新的算法，利用專家領域知識，對復雜紋理圖像進行分割，訓練好的模型可以對其它相類似的圖片進行分割。

發明內容

本發明的目的在于針對已有技術的不足，提供一種基于機器學習的交互式圖像分割方法，實現小樣本環境下復雜圖像的分割。通過定義輸入樣本的類別數，然后使用一到兩張樣本訓練，反復提取樣本各類別區域的部分放入機器學習模型中進行訓練，針對錯誤分類的像素，人工干預賦予正確的標簽，模型收集反饋信息并對結果修正，重復此過程直到結果基本正確，并生成該類型圖像分割的模型，生成的分割模型可對同類型的其他圖片批量分割。此發明通過人機交互過程，引入了專家領域知識，使結果具有較高的可信度，可以解決小樣本環境下復雜紋理圖像分割問題，能夠節省大量的時間成本和人力成本。

為達到上述目的，本發明的構思是：