[发明专利]基于像素特征学习的无监督图像分割方法、装置及设备

权利要求书

1.基于像素特征学习的无监督图像分割方法，其特征在于，所述方法包括：

获取预处理后的待分割图像，作为第一图像；

提取所述第一图像中的超像素，得到所述第一图像的超像素集合；

根据所述超像素集合，得到第一损失函数，所述第一损失函数表示基于结构一致性约束的损失；

预测所述第一图像的离散表示，最大化所述第一图像与所述离散表示之间的互信息，得到第二损失函数，所述第二损失函数表示基于语义相似性约束的损失；

根据所述第一损失函数和第二损失函数对所述第一图像进行分割，得到分割结果。

2.根据权利要求1所述的基于像素特征学习的无监督图像分割方法，其特征在于，获取预处理后的待分割图像，作为第一图像，包括：

获取所述待分割图像；

将所述待分割图像的像素强度取值范围进行归一化处理，得到所述第一图像。

3.根据权利要求1所述的基于像素特征学习的无监督图像分割方法，其特征在于，根据所述超像素集合，得到第一损失函数，包括：

将所述超像素集合中的超像素根据邻接关系组织成图结构，得到所述第一损失函数的第一项；

将所述超像素集合中的每个超像素中的所有像素共享相同的聚类标签信息，得到所述第一损失函数的第二项；

将所述第一损失函数的第一项与所述第一损失函数的第二项进行综合处理，得到所述第一损失函数。

4.根据权利要求3所述的基于像素特征学习的无监督图像分割方法，其特征在于，将所述超像素集合中的超像素根据邻接关系组织成图结构，得到所述第一损失函数的第一项，包括：

提取所述第一图像的特征图；

根据所述超像素集合，在所述第一图像的特征图上获取所述超像素集合中每个超像素的特征；

根据所述每个超像素特征，得到所述超像素集合中的相邻超像素之间的特征距离；

将所述超像素集合中的超像素根据邻接关系组织成图结构，其中，所述图结构上的每个节点表示所述每个超像素，边表示所述相邻超像素之间的特征距离；

扩大所述相邻超像素之间对应的特征距离，得到所述第一损失函数的第一项。

5.根据权利要求1所述的基于像素特征学习的无监督图像分割方法，其特征在于，预测所述第一图像的离散表示，最大化所述第一图像与所述离散表示之间的互信息，得到第二损失函数，包括：

获取所述第一图像的离散表示；

最大化所述第一图像与所述离散表示之间的互信息，得到所述第二损失函数。

6.根据权利要求1所述的基于像素特征学习的无监督图像分割方法，其特征在于，根据所述第一损失函数和第二损失函数对所述第一图像进行分割，得到分割结果，包括：

根据所述第一损失函数和第二损失函数更新分割模型，当更新分割模型达到预设停止条件时，对所述超像素集合进行两次平滑，得到分割结果。

7.根据权利要求6所述的基于像素特征学习的无监督图像分割方法，其特征在于，对所述超像素集合进行两次平滑，得到分割结果，包括：

对所述超像素集合进行第一次平滑，若所述超像素集合中存在两个相邻超像素的特征距离小于预设阈值，则将该所述两个相邻超像素合并为一个超像素，得到第一次平滑结果；

对所述第一次平滑结果进行第二次平滑，结合所述第一图像中的像素预测结果，若所述第一次平滑结果中的超像素存在被特定类别支配，则将该所述超像素内的所有像素分配为特定类别，若所述第一次平滑结果中的超像素不存在被特定类别支配，则将该所述超像素内的所有像素分配为新的类别，得到分割结果。