[发明专利]一种基于神经网络的图像分割方法、系统及存储介质

说明书

本发明公开了一种基于神经网络的图像分割方法、系统及存储介质，包括以下步骤：将图像进行预处理，通过卷积神经网络模型获取所述图像的判别性目标区域，根据所述判别性目标区域获取目标位置特征；建立图像分割模型，根据所述目标位置特征及图像分割模型参数估算像素标签；将目标位置特征与所述像素标签进行匹配，通过图像分割模型得到给定图像的分割结果。本发明在图像分割过程中还对分割效果进行修正，使得图像分割准确性更高。

技术领域

本发明涉及一种图像分割方法，更具体的，涉及一种基于神经网络的图像分割方法、系统及存储介质。

背景技术

随着计算机技术、互联网技术及传感器技术的迅猛发展，可以轻易获取海量的图像信息,但有时获得的图像信息不是我们最理想的。这是由于成像设备的物理特性和图像传输时的链路特点,图像有时会对比度较差,并因不同程度的损坏而造成各种噪音或模糊不清。为了从数字图像中获取更多有价值的信息,通常会使用一系列图像处理手段进行实现。在图像处理方法中，图像分割是用于计算机视觉领域中检测对象和分析图像最重要的技术之一,但由于现实中的图像存在颜色丰富,灰度不均匀及纹理复杂等问题,准确的图像分割仍然是一项巨大的挑战。

为了能够对给定图像实现精准的图像分割，需要开发一款系统与之进行匹配，该系统基于神经网络，将图像进行预处理，通过卷积神经网络模型获取所述图像的判别性目标区域，根据所述判别性目标区域获取目标位置特征；建立图像分割模型，根据所述目标位置特征及图像分割模型参数估算像素标签；将目标位置特征与所述像素标签进行匹配，通过图像分割模型得到给定图像的分割结果。在系统实现过程中如何通过目标位置特征进行精确的图像分割及如何对图像分割模型进行参数优化都输亟不可待需要解决的问题。

发明内容

为了解决上述至少一个技术问题，本发明提出了一种基于神经网络的图像分割方法、系统及存储介质。

本发明第一方面提供了一种基于神经网络的图像分割方法，包括：

将给定图像进行预处理，通过卷积神经网络模型获取所述图像的判别性目标区域；

根据所述判别性目标区域获取目标位置特征；

建立图像分割模型，根据所述目标位置特征及图像分割模型参数估算像素标签；

将目标位置特征与所述像素标签进行匹配，通过图像分割模型得到给定图像的分割结果；

同时利用随机梯度下降方法根据所述像素标签优化所述图像分割模型的参数。

本方案中，所述的将给定图像进行预处理，通过卷积神经网络模型获取所述图像中目标位置特征，具体为：

构建卷积神经网络模型，将所述卷积神经网络模型进行初始化训练，得到预训练好的卷积神经网络模型；

设置卷积神经网络模型的输入图像尺寸信息，同时设置输出节点参数，匹配图像数据集的类别数目；

将所述卷积神经网络模型中的卷积特征矩阵及全连接层的权值矩阵结合，计算生成类别激活图信息；

通过所述激活图信息生成激活值，所述激活值对应类别目标在图像中的位置信息，根据所述位置信息获取目标位置特征。

本方案中，所述的建立图像分割模型，具体为：

获取目标位置特征，结合所述目标位置特征初始化图像分割模型的参数；

获取训练数据，将训练数据整合为训练集，通过所述训练集对所述图像分割模型进行训练；

通过训练获取最终图像分割模型参数，得到训练后图像分割模型。

本方案中，所述的根据目标位置特征及图像分割模型参数估算像素标签，具体为：