【技术实现步骤摘要】
本申请涉及图像分割，尤其涉及一种图像分割方法及图像分割系统。
技术介绍
1、静脉识别技术作为生物特征识别的一种重要方法，在安全领域得到了广泛应用。随着智能门锁的普及，将静脉识别技术与智能门锁结合成为一个新的研究热点。然而，传统的静脉识别方法主要基于2d图像，难以捕捉血管的立体结构信息，导致识别准确率受限。
2、近年来，3d静脉图像采集技术的发展为提高识别精度提供了新的可能。但是，3d静脉图像的处理和分析面临着多个挑战。3d图像数据量大，直接处理计算复杂度高；其次，血管结构的复杂性和个体差异性使得准确分割变得困难；如何有效地将3d信息转化为2d特征以适应现有的识别算法也是一个亟待解决的问题。
技术实现思路
1、本申请提供了一种图像分割方法及图像分割系统，用于提高了图像分割的精度。
2、第一方面，本申请提供了一种图像分割方法，所述图像分割方法包括：
3、通过预置的智能门锁采集用户的静脉3d血管图像，并对所述静脉3d血管图像进行标准化滤波和对比度增强处理，得到预处理3d血管图像；
4、对所述预处理3d血管图像进行多尺度卷积和层注意力机制分析，得到3d特征表示；
5、对所述3d特征表示执行自适应3d到2d投影算法，得到2d血管特征图；
6、采用跨尺度级联分层变压器网络对所述2d血管特征图进行图像分割，得到初始2d分割结果；
7、对所述初始2d分割结果进行反向边界注意力优化，得到优化2d分割图；
9、第二方面，本申请提供了一种图像分割系统，所述图像分割系统包括：
10、采集模块，用于通过预置的智能门锁采集用户的静脉3d血管图像，并对所述静脉3d血管图像进行标准化滤波和对比度增强处理，得到预处理3d血管图像；
11、分析模块，用于对所述预处理3d血管图像进行多尺度卷积和层注意力机制分析，得到3d特征表示；
12、执行模块，用于对所述3d特征表示执行自适应3d到2d投影算法，得到2d血管特征图；
13、分割模块，用于采用跨尺度级联分层变压器网络对所述2d血管特征图进行图像分割，得到初始2d分割结果；
14、优化模块，用于对所述初始2d分割结果进行反向边界注意力优化，得到优化2d分割图；
15、输出模块，用于对所述优化2d分割图进行交叉熵损失函数评估和优化，输出目标2d分割结果。
16、本申请第三方面提供了一种图像分割设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述图像分割设备执行上述的图像分割方法。
17、本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的图像分割方法。
18、本申请提供的技术方案中，多尺度卷积和层注意力机制的结合，提高了对3d血管结构的特征提取能力，能够更好地捕捉不同尺度的血管信息。自适应3d到2d投影算法，在保留3d结构信息的同时实现了降维，降低了后续处理的计算复杂度。跨尺度级联分层变压器网络的应用，增强了模型对多尺度特征的学习和融合能力，提高了分割的精确度。反向边界注意力优化机制，特别关注了血管边界区域，提升了分割结果的边界准确性。改进的交叉熵损失函数，通过引入确定性观测样本和边界敏感项，更好地指导了模型的优化过程。实现了从3d图像采集到2d分割结果输出的全流程处理，提高了静脉识别的整体效率和准确性。
本文档来自技高网...【技术保护点】
1.一种图像分割方法，其特征在于，所述图像分割方法包括：
2.根据权利要求1所述的图像分割方法，其特征在于，所述通过预置的智能门锁采集用户的静脉3D血管图像，并对所述静脉3D血管图像进行标准化滤波和对比度增强处理，得到预处理3D血管图像，包括：
3.根据权利要求1所述的图像分割方法，其特征在于，所述对所述预处理3D血管图像进行多尺度卷积和层注意力机制分析，得到3D特征表示，包括：
4.根据权利要求1所述的图像分割方法，其特征在于，所述对所述3D特征表示执行自适应3D到2D投影算法，得到2D血管特征图，包括：
5.根据权利要求1所述的图像分割方法，其特征在于，所述采用跨尺度级联分层变压器网络对所述2D血管特征图进行图像分割，得到初始2D分割结果，包括：
6.根据权利要求1所述的图像分割方法，其特征在于，所述对所述初始2D分割结果进行反向边界注意力优化，得到优化2D分割图，包括：
7.根据权利要求1所述的图像分割方法，其特征在于，所述对所述优化2D分割图进行交叉熵损失函数评估和优化，输出目标2D分割结果，包括：<...
【技术特征摘要】
1.一种图像分割方法，其特征在于，所述图像分割方法包括：
2.根据权利要求1所述的图像分割方法，其特征在于，所述通过预置的智能门锁采集用户的静脉3d血管图像，并对所述静脉3d血管图像进行标准化滤波和对比度增强处理，得到预处理3d血管图像，包括：
3.根据权利要求1所述的图像分割方法，其特征在于，所述对所述预处理3d血管图像进行多尺度卷积和层注意力机制分析，得到3d特征表示，包括：
4.根据权利要求1所述的图像分割方法，其特征在于，所述对所述3d特征表示执行自适应3d到2d投影算法，得到2d血管特征图，包括：
5.根据权利要求1所述的图像分割方法，其特征在于，所述采用跨尺度级联分层变压器网络对所述2d血管特征图进行图像分割，得到初始2d分割结果...
【专利技术属性】
技术研发人员：薛喜柱，林本聪，洪晓城，颜旭东，麻亚翰，
申请(专利权)人：一脉通深圳智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。