[发明专利]一种基于上下文信息和反向注意力的息肉图像分割方法

权利要求书

1.一种基于上下文信息和反向注意力的息肉图像分割方法，其特征在于：包括如下步骤：

Step1、输入息肉图像集中的图像，提取其显著区域的边缘特征和全局特征进行特征融合，得到含边缘信息的不同尺度特征图；

Step2、通过采用不同扩张率的多分支卷积和并行轴向注意对不同尺度特征图进行特征编码，得到息肉图像显著区域的上下文信息；

Step3、基于提取到的全局特征和息肉图像显著区域的上下文信息，通过定义的反向注意模块，得到息肉图像非显著区域的反向注意图和显著区域的注意图；

Step4、结合息肉图像显著区域的注意图和非显著区域的反向注意图进行解码优化，通过消除错误预测，得到最终的分割结果；

所述Step3和Step4具体过程如下：

首先，基于全局特征G_a和由Step2得到的不同尺度上下文信息其中l＝3,4,5，对第l层上下文信息进行处理；当l＝4,5时全局特征为上一层的预测分割图，令M_a＝1-G_a表示非显著区域图M_a，通过计算得到非显著区域向量与全局特征G_a的每个像素的相似度，通过计算得到显著区域向量与全局特征G_a的每个像素的相似度，其中ρ( ),θ( )表示逐点卷积，表示的s个像素；

其次，对计算得到的相似度和通过和计算得到加权后的非显著区域反向注意图和显著区域注意图其中分别表示相应的相似度加权值；

然后，基于得到的加权后的非显著区域反向注意图和显著区域注意图通过包含不同卷积核的卷积和扩张卷积的上下文分支、卷积、归一化和ReLu提取显著区域注意图中的非显著信息和非显著区域注意图中的显著信息，对上一层预测分割结果利用元素减法得到去除了显著区域注意图中非显著信息的特征图利用元素加法得到增强了非显著区域注意图中显著信息的特征图

最后，将得到的两个特征图进行融合，得到第l层预测分割结果即全局特征，每一层重复上述过程，得到最终分割结果。

2.根据权利要求1所述的基于上下文信息和反向注意力的息肉图像分割方法，其特征在于：所述Step1具体过程如下：

首先采用Res2Net提取输入息肉图像集H＝{H₁,H₂,...H_n}五个不同层次特征{h₁,h₂,h₃,h₄,h₅}，将特征按不同尺度分为浅层特征{h₁,h₂}和深层特征{h₃,h₄,h₅}，通过部分解码器PD＝p_d(h₃,h₄,h₅)得到全局特征G_a，其中n表示息肉图像数量；

其次，对浅层特征h₁和h₂利用公式进行特征融合操作，得到全局关系加权图X_k，其中A_J,J＝j₁,j₂,...,j_c表示全局平均池化后的特征映射，表示广播像素乘法，φ表示sigmoid函数，ω( )表示1×1卷积和ReLU函数，b表示相关学习参数；

然后，对全局关系加权图X_k进行卷积得到边缘特征图，通过标准二元交叉熵损失函数测量全局关系加权图X_k中的边缘与Ground Truth导出的边缘之间的差异性，得到边缘特征图H_e；

最后，将边缘特征图H_e与深层特征通道连接进行卷积操作后得到含边缘信息的不同尺度特征图X_Ee，其中e＝3,4,5。