[發明專利]一種基于多支路特征融合的圖像分割方法及系統

有效

• 申請號: 202110432657.5
• 申請日: 2021-04-21
• 公開（公告）號: CN113205519B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 古晶;孫新凱;巨小杰;馮婕;楊淑媛;劉芳;焦李成
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06V10/40;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

本發明公開了一種基于多支路特征融合的圖像分割方法及系統，建立三個基于Xception的輕量化子網絡，對三個子網絡的輸出進行通道縮減操作和4倍雙線性上采樣，得到三個子網絡的高級特征輸出，然后將第一高級特征輸出和第二高級特征輸出并聯到第二特征提取模塊和第三特征提取模塊，構造圖像分割模型的編碼器；將三個特征提取子網絡的輸出分別進行通道縮減操作得到低級特征和高級特征，構造完成圖像分割模型的解碼器；使用兩個尺寸不同的預測圖像構造損失函數；使用隨機梯度下降優化器對損失函數進行優化訓練，獲得訓練好的圖像分割模型，使用訓練好的圖像分割模型完成圖像的分割任務。本發明提高了分割準確率；加快圖像分割速度；改善分割結果圖細節部分。

技術領域

本發明屬于計算機視覺技術領域，具體涉及一種基于多支路特征融合的圖像分割方法及系統，可用于分辨便攜設備識別圖像上所有像素所屬類型，并用于地理信息測量、醫學影像分析和自動駕駛等問題。

背景技術

隨著技術進步和硬件設備不斷更新，日常生活中圖像的獲取難度越來越低、處理需求變得越來越大，因此對圖像的快速地理解和處理就變得十分重要。在圖像處理領域，圖像分割是與圖像分類同樣重要的問題，所以圖像分割一直是學者們關注的焦點之一。

圖像分割是計算機視覺領域一個重要的研究課題，在自動駕駛和醫學影像分析等大量實際應用場景中，圖像分割處理速度成為了一項影響圖像分割工作效率的重要指標。近幾年，越來越多圖像分割方法被提出，分割處理速度和分割準確率都取得了大幅度上升。隨著深度神經網絡的提出，大量分割性能優秀的圖像分割方法被應用于各種實際場景。然而，現有的大部分圖像分割方法的網絡參數量和計算成本都十分龐大，無法應用于需要快速處理分割問題的情況。這些方法為了提高圖像分割準確率，一般會采用較大的編碼器-解碼器結構和空洞卷積來提高神經網絡對圖像中特征提取能力，然而這無疑會帶來計算成本的急劇提升。

對于高精度帶來的高額計算成本需求，大部分實時圖像分割方法采用較小輸入圖像分辨率或減少神經網絡中部分通道的方式來改善該問題。但是減小輸入圖像的分辨率又會帶來分割精度下降，因為低分辨率圖像中所包含的信息要遠小于通常圖像中所包含的信息。而減少神經網絡中部分通道會來神經網絡對圖像特征提取能力的下降，導致提取到的特征不足以支持高精度分割任務，最終也會導致分割精度下降。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種基于多支路特征融合的圖像分割方法及系統，提高圖像分割速度，達到實際場景應用的處理速度要求。

本發明采用以下技術方案：

一種基于多支路特征融合的圖像分割方法，包括以下步驟：

S1、建立一個基于Xception的輕量化子網絡Subnet_1，按照建好的子網絡Subnet_1結構建立相同結構的子網絡Subnet_2和子網絡Subnet_3，將子網絡Subnet_1的特征提取模塊Stage1_1的輸出連接到子網絡Subnet_2的特征提取模塊Stage2_1的輸入上，將特征提取模塊Stage1_2的輸出并聯到特征提取模塊Stage2_2的輸入上，將特征提取模塊Stage2_3的輸出并聯到特征提取模塊Stage3_3的輸入上，對三個子網絡的輸出進行通道縮減操作和4倍雙線性上采樣，得到三個子網絡的高級特征輸出Output_1、Output_2和Output_3，然后將高級特征輸出Output_1和Output_2分別并聯到特征提取模塊Stage2_1和Stage3_1上，構造完成圖像分割模型的編碼器；

S2、將特征提取模塊Stage1_1、Stage2_1和Stage3_1的輸出分別進行通道縮減操作，得到三個子網絡tput_4、Output_5和Output_6，構造完成圖像分割模型的解碼器；使用兩個尺寸不同的預測圖像構造損失函數L；使用隨機梯度下降優化器對損失函數L進行優化訓練，獲得訓練好的圖像分割模型，使用訓練好的圖像分割模型完成圖像的分割任務。