[发明专利]交互式图像分割方法、系统及终端

说明书

本发明提供了一种交互式图像分割方法、系统及终端，所述方法包括：S1,获取图像的初始分割结果；S2,根据当前图像分割结果选择至少一个错误区域，对每个错误区域的中心点进行标记，作为交互提示点；S3,计算图像上各点与每个所述交互提示点之间的距离生成提示图；S4,根据当前图像分割结果和所述提示图，利用深度增强学习全卷积神经网络调整分割概率，对当前图像分割结果进行改善，得到图像分割改善结果；S5,对所述图像分割改善结果进行评价，若满意则作为最终图像分割结果，若不满意则重新回到S2，进行迭代更新。本发明能辅助专家进行图像分割标注，减轻了专家的标注负担，提高了标注的性能和效率。

技术领域

本发明涉及计算机图像分割领域，具体地，涉及一种迭代式更新的交互式图像分割方法、系统及终端。

背景技术

计算机图像分割是计算机视觉领域中一个重要任务，它的目标是对图像上的每个点标注类别标签，有效帮助计算机理解场景内容，而交互式图像分割是计算机图像分割的重要部分之一，通过结合专家提示信息，对图像分割结果进行改善，在减轻专家标注负担的同时，提高了分割标注的性能和效率。在图像理解场景中，图像分割是一个最为基本和重要的步骤，它为后续任务的准确性提供了基础的保障，如场景分析、行为决策、医疗诊断治疗等。由于图像分割需要对图像中的每个像素给予标签，数据标注的工作量非常庞大。即使借助一些现有的图像标注工具，专家仍需要对物体边界作非常细致的调整。传统的图像分割方法一般基于图像底层特征对图像进行分割。随着深度神经网络在图像处理领域的快速发展，现在较为成熟的计算机图像分割技术很多是基于深度学习的全自动分割方法。然而，利用现有的全自动分割方法，有时很难达到后续任务对分割精度的要求。对于医疗图像，由于拍摄设备、病症的多变性、低对比度等，医疗图像的分割更加困难。交互式图像分割方法通过结合专家少量提示信息对自然图像或医疗图像进行分割，既能减轻专家标注负担，又能使得分割精度得到提升，成为了研究关注的焦点。由于通常需要与专家进行多轮交互，交互式图像分割方法一般迭代式地更新优化分割结果。为了更有效地利用专家提示，迭代过程中前后分割结果之间的关联不应该被忽视，但是目前没有工作对交互式图像分割中迭代式更新过程的动态性进行探索。

专利文献CN106875400A公开了一种实现交互式图像分割的方法、装置及终端。所述方法包括：将原始图像上的涂抹轨迹作为骨架生长成标记区，生成图像分割算法的输入掩模图：将标记区中的像素作为掩模图中的前景点，将标记区外的像素作为掩模图中的背景点；根据彩色图和掩模图确定各个像素的第一分割参数，根据深度图和掩模图确定各个像素的第二分割参数，对两种分割参数进行融合；将每一个像素的融合后的分割参数映射到无向图中，运行最小割-最大流算法获得精细分割后的掩模图，从彩色图中分割出所述精细分割后的掩模图中前景点对应的图像。该方法并不能很好地探索迭代式更新的交互式图像分割任务动态性。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种迭代式更新的交互式图像分割方法、系统和终端。

根据本发明的第一方面，提供一种交互式图像分割方法，包括：

S1，获取图像的初始分割结果；

S2，根据当前图像分割结果选择至少一个错误区域，对每个错误区域的中心点进行标记，作为交互提示点；

S3，计算图像上各点与每个所述交互提示点之间的距离生成提示图；

S4，根据当前图像分割结果和所述提示图，利用深度增强学习全卷积神经网络调整分割概率，对当前图像分割结果进行改善，得到图像分割改善结果；

S5，对所述图像分割改善结果进行评价，若满意则作为最终图像分割结果，若不满意则重新回到S2，进行迭代更新。

可选地，所述获取图像的初始分割结果，包括：

根据数据集信息选择初始图像分割算法；