一种图像分割方法技术

本发明专利技术公开了一种图像分割方法，所述方法通过生成原始医学图像对应的预测输入图像，采用原始医学图像对该预测输入图像中的轮廓进行调整，并采用输入图像模板对预测输入图像中的对比度进行调整，得到目标输入图像，再目标输入图像进行图像分割得到分割结果图。由于图像的对比度与图像的外观风格密切相关，因此本发明专利技术可以使得目标输入图像在保留原始医学图像中的轮廓特征的同时，还实现改变了图像的对比度以适配解码器。从而解决了现有技术中将不同外观风格的输入图像输入解码器进行图像分割，由于解码器的泛化能力差而导致分割结果图不准确的问题。不准确的问题。不准确的问题。

【技术实现步骤摘要】
一种图像分割方法


[0001]本专利技术涉及图像处理领域，尤其涉及的是一种图像分割方法。

技术介绍

[0002]由于青光眼导致的视力下降无法逆转，早期筛查和检测方法对于保持视力和生活质量至关重要。近年来，卷积神经网络在视盘和视杯分割方面取得了很大的成功。然而，目前要求训练好的图像分割模型的输入图像需要与训练图像的外观风格尽可能一致，若相差较大则容易导致分割结果图不准确，即现有的图像分割模型的泛化能力较差。由于不同的医院使用的眼底图像采集设备的不同，采集得到的图像的整体外观风格的也不同。鉴于目前图像分割模型的泛化能力较差，因此现有技术中不同医院采集的眼底图像无法共用一个图像分割模型，否则导致分割结果图不准确。
[0003]因此，现有技术还有待改进和发展。

技术实现思路

[0004]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种图像分割方法，旨在解决现有技术中将不同外观风格的输入图像输入解码器进行图像分割，由于解码器的泛化能力差而导致分割结果图不准确的问题。
[0005]本专利技术解决问题所采用的技术方案如下：
[0006]第一方面，本专利技术实施例提供一种图像分割方法，其中，所述方法包括：
[0007]获取原始医学图像，将所述原始医学图像输入图像合成模型中，得到与所述原始医学图像所对应的预测输入图像；
[0008]获取与边界解码器对应的输入图像模板，根据所述原始医学图像和所述输入图像模板对所述预测输入图像进行调整，得到目标输入图像；
[0009]将所述目标输入图像输入所述边界解码器中，得到与所述原始医学图像所对应的分割结果图。
[0010]在一种实施方式中，所述根据所述原始医学图像和所述输入图像模板对所述预测输入图像进行调整，得到目标输入图像，包括：
[0011]获取所述原始医学图像中的第一轮廓特征、所述预测输入图像中的第二轮廓特征、所述输入图像模板中的第一对比度特征以及所述第一预测输入图像中的第二对比度特征；
[0012]根据所述第一轮廓特征对所述第二轮廓特征进行调整，并根据所述第一对比度特征对所述第二对比度特征进行调整，得到所述目标输入图像。
[0013]在一种实施方式中，所述获取所述原始医学图像中的第一轮廓特征、所述预测输入图像中的第二轮廓特征、所述输入图像模板中的第一对比度特征以及所述第一预测输入图像中的第二对比度特征，包括：
[0014]分别对所述原始医学图像、所述预测输入图像和所述输入图像模板进行全局特征
提取，得到与所述原始医学图像对应的第一全局特征、所述预测输入图像对应的第二全局特征以及所述输入图像模板对应的第三全局特征；
[0015]分别对所述第一全局特征和所述第二全局特征进行轮廓特征提取，得到与所述第一全局特征对应的所述第一轮廓特征和与所述第二全局特征对应的所述第二轮廓特征；
[0016]分别对所述第二全局特征和所述第三全局特征进行对比度特征提取，得到与所述第二全局特征对应的所述第二对比度特征和与所述第三全局特征对应的所述第一对比度特征。
[0017]在一种实施方式中，所述分别对所述第一全局特征和所述第二全局特征进行轮廓特征提取，得到与所述第一全局特征对应的所述第一轮廓特征和与所述第二全局特征对应的所述第二轮廓特征，包括：
[0018]将所述第一全局特征输入预设的内容编码器，得到所述内容编码器基于所述第一全局特征输出的所述第一轮廓特征；
[0019]将所述第二全局特征输入所述内容编码器，得到所述内容编码器基于所述第二全局特征输出的所述第二轮廓特征。
[0020]在一种实施方式中，所述分别对所述第二全局特征和所述第三全局特征进行对比度特征提取，得到与所述第二全局特征对应的所述第二对比度特征和与所述第三全局特征对应的所述第一对比度特征，包括：
[0021]将所述第二全局特征输入预设的风格编码器，得到所述风格编码器基于所述第二全局特征输出的所述第二对比度特征；
[0022]将所述第三全局特征输入所述风格编码器，得到所述风格编码器基于所述第三全局特征输出的所述第一对比度特征。
[0023]在一种实施方式中，所述根据所述第一轮廓特征对所述第二轮廓特征进行调整，并根据所述第一对比度特征对所述第二对比度特征进行调整，得到所述目标输入图像，包括：
[0024]将所述第一轮廓特征和所述第二轮廓特征输入第一损失函数中，得到第一误差反馈信息，根据所述第一误差反馈信息对所述第二轮廓特征进行调整；
[0025]将所述第一对比度特征和所述第二对比度特征输入第二损失函数中，得到第二误差反馈信息，根据所述第二误差反馈信息对所述第二对比度特征进行调整。
[0026]在一种实施方式中，所述将所述目标输入图像输入所述边界解码器中，得到与所述原始医学图像所对应的分割结果图，包括：
[0027]获取所述目标输入图像中的第三轮廓特征，对所述第三轮廓特征进行强化，得到所述目标输入图像对应的边界强化图像；
[0028]将所述边界强化图像输入所述边界解码器中，得到与所述原始医学图像所对应的分割结果图。
[0029]在一种实施方式中，所述获取所述目标输入图像中的第三轮廓特征，对所述第三轮廓特征进行强化，得到所述目标输入图像对应的边界强化图像，包括：
[0030]将所述目标输入图像输入边界注意力模型中，通过所述边界注意力模型提取所述第三轮廓特征，并对所述第三轮廓特征进行强化；
[0031]获取所述边界注意力模型基于所述目标输入图像输出的所述边界强化图像。
[0032]在一种实施方式中，所述方法还包括：
[0033]对所述原始医学图像、所述预测输入图像和所述输入图像模板分别进行局部特征提取，得到所述原始医学图像对应的第一局部特征、所述预测输入图像对应的第二局部特征以及所述输入图像模板对应的第三局部特征；
[0034]将所述第一局部特征、第二局部特征、第三局部特征、所述边界强化图像和所述分割结果图进行融合，得到融合图像；
[0035]将所述融合图像输入掩码解码器中，得到目标分割结果图。
[0036]在一种实施方式中，所述将所述融合图像输入掩码解码器中，得到目标分割结果图，包括：
[0037]将所述融合图像输入掩码解码器中，得到概率预测图；
[0038]根据归一化函数对所述概率预测图中每一像素点所对应的概率值进行归一化处理，得到目标概率预测图；
[0039]根据预设的颜色规则确定所述目标概率预测图中的每一像素点的颜色，得到所述目标分割结果图。
[0040]第二方面，本专利技术实施例还提供一种图像分割装置，其中，所述装置包括：
[0041]输入模块，用于获取原始医学图像，将所述原始医学图像输入图像合成模型中，得到与所述原始医学图像所对应的预测输入图像；
[0042]对齐模块，用于获取与边界解码器对应的输入图像模板，根据所述原始医学图像和所述输入图像模板对所述预测输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割方法，其特征在于，所述方法包括：获取原始医学图像，将所述原始医学图像输入图像合成模型中，得到与所述原始医学图像所对应的预测输入图像；获取与边界解码器对应的输入图像模板，根据所述原始医学图像和所述输入图像模板对所述预测输入图像进行调整，得到目标输入图像；将所述目标输入图像输入所述边界解码器中，得到与所述原始医学图像所对应的分割结果图。2.根据权利要求1所述的图像分割方法，其特征在于，所述根据所述原始医学图像和所述输入图像模板对所述预测输入图像进行调整，得到目标输入图像，包括：获取所述原始医学图像中的第一轮廓特征、所述预测输入图像中的第二轮廓特征、所述输入图像模板中的第一对比度特征以及所述第一预测输入图像中的第二对比度特征；根据所述第一轮廓特征对所述第二轮廓特征进行调整，并根据所述第一对比度特征对所述第二对比度特征进行调整，得到所述目标输入图像。3.根据权利要求2所述的图像分割方法，其特征在于，所述获取所述原始医学图像中的第一轮廓特征、所述预测输入图像中的第二轮廓特征、所述输入图像模板中的第一对比度特征以及所述第一预测输入图像中的第二对比度特征，包括：分别对所述原始医学图像、所述预测输入图像和所述输入图像模板进行全局特征提取，得到与所述原始医学图像对应的第一全局特征、所述预测输入图像对应的第二全局特征以及所述输入图像模板对应的第三全局特征；分别对所述第一全局特征和所述第二全局特征进行轮廓特征提取，得到与所述第一全局特征对应的所述第一轮廓特征和与所述第二全局特征对应的所述第二轮廓特征；分别对所述第二全局特征和所述第三全局特征进行对比度特征提取，得到与所述第二全局特征对应的所述第二对比度特征和与所述第三全局特征对应的所述第一对比度特征。4.根据权利要求3所述的图像分割方法，其特征在于，所述分别对所述第一全局特征和所述第二全局特征进行轮廓特征提取，得到与所述第一全局特征对应的所述第一轮廓特征和与所述第二全局特征对应的所述第二轮廓特征，包括：将所述第一全局特征输入预设的内容编码器，得到所述内容编码器基于所述第一全局特征输出的所述第一轮廓特征；将所述第二全局特征输入所述内容编码器，得到所述内容编码器基于所述第二全局特征输出的所述第二轮廓特征。5.根据权利要求3所述的图像分割方法，其特征在于，所述分别对所述第二全局特征和所述第三全局特征进行对比度特征提取，得到与所述第二全局特征对应的所述第二对比度特征和与所述第三全局特征对应的所述第一对比度特征，包括：将所述第二全...

【专利技术属性】
技术研发人员：雷海军，刘伟鑫，杨张，袁梅冷，雷柏英，黄忠唯，陈梓豪，赵本建，
申请(专利权)人：深圳大学，
类型：发明
国别省市：