[發明專利]基于多重特征的目標物分割方法、裝置、設備及存儲介質

在審

• 申請號: 202110581188.3
• 申請日: 2021-05-27
• 公開（公告）號: CN113284047A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 范棟軼;李君;郭振;王立龍;梁倩倩
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T7/11;G06T7/13;G06T7/187
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及圖像處理技術，揭露了一種基于多重特征的目標物分割方法，包括：將多張目標物圖像縮放至相同尺寸并進行圖像標注，得到各圖像的真實標簽；對各圖像進行多重特征提取，得到各圖像對應的多重圖像特征；對多重圖像特征進行圖像分割，得到預測分割結果；計算預測分割結果與真實標簽的損失值，并根據損失值對初始分割模型進行參數調整，得到目標物分割模型；利用目標物分割模型對待分割圖像進行目標物分割，得到目標物分割結果。此外，本發明還涉及區塊鏈技術，目標物圖像可存儲于區塊鏈的節點。本發明還提出一種基于多重特征的目標物分割裝置、電子設備以及存儲介質。本發明可以解決圖像中目標物分割的精確度較低的問題。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種基于多重特征的目標物分割方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

隨著圖像處理技術的發展，人們越來越多的對圖像進行分析以獲取圖像中所包含的信息。例如，醫生對醫療圖像進行觀測、分析，進而從醫療圖像中檢測出病灶的信息，極大的幫助了醫生對病人病情的了解與分析。

目前對于圖像中目標物的分割，如，醫療圖像中病灶的分割，大多數情況下還是依靠醫生人工進行。該方法過于依賴醫生的經驗，且很多病灶邊界模糊，且與多種病灶相似，導致病灶分割會時的精確度較低；且人工檢測效率低下，也無法獲取病灶的邊界及類型信息，不利于后續對病情進行分析。

發明內容

本發明提供一種基于多重特征的目標物分割方法、裝置及計算機可讀存儲介質，其主要目的在于解決圖像中目標物分割的精確度較低的問題。

為實現上述目的，本發明提供的一種基于多重特征的目標物分割方法，包括：

獲取目標物圖像集，對所述目標物圖像集進行尺寸縮放，得到相同尺寸的標準圖像集；

對所述標準圖像集進行圖像標注，得到所述標準圖像集中各標準圖像的真實標簽；

利用預構建的初始分割網絡對所述標準圖像集中各標準圖像進行多重特征提取，得到各標準圖像對應的多重圖像特征；

分別對所述多重圖像特征進行圖像分割，得到每重圖像特征對應的預測分割結果；

計算所述預測分割結果與所述真實標簽的損失值，并根據所述損失值對所述初始分割模型進行參數調整，得到目標物分割模型；

獲取待分割圖像，利用所述目標物分割模型對所述待分割圖像進行目標物分割，得到目標物分割結果。

可選地，所述對所述目標物圖像集進行尺寸縮放，得到相同尺寸的標準圖像集，包括：

統計所述目標物圖像集中每一張目標物圖像的尺寸，得到多個圖像尺寸；

根據所述多個圖像尺寸計算所述目標物圖像集中所有目標物圖像的尺寸的公倍數；

將所述目標物圖像集中每一張目標物圖像按照所述公倍數進行放大，得到相同尺寸的標準圖像集。

可選地，所述利用預構建的初始分割網絡對所述標準圖像集中各標準圖像進行多重特征提取，得到各標準圖像對應的多重圖像特征，包括：

利用所述初始分割網絡對所述標準圖像集中每一張標準圖像進行卷積、池化處理，得到池化圖像；

對所述池化圖像進行全連接處理，得到全連接特征圖；

對所述全連接特征圖進行多尺度的特征提取，得到多重圖像特征。

可選地，所述對所述池化圖像進行全連接處理，得到全連接特征圖，包括：

利用第一全連接層對所述池化圖像進行全連接處理，得到中間圖像；

利用第二全連接層對所述中間圖像進行全連接處理，得到全連接特征圖。