[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

说明书

本发明公开了基于像素特征学习的无监督图像分割方法、装置及设备，其中，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；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；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。通过上述方式，本发明可以有效发现图像中的潜在对象类别，输出的分割块能够精准匹配对象轮廓，同时能够完整地覆盖对象区域，进而大幅度降低下游高级视觉算法的训练难度和计算复杂性。

技术领域

本发明涉及图像分割技术领域，具体涉及基于像素特征学习的无监督图像分割方法、装置及设备。

背景技术

现阶段的基于像素特征学习的无监督图像分割方法通常是根据传统手工特征或简单无监督方式学习特征进行图像分割，难以根据图像的内容进行自适应的分割，其分割结果难以兼顾对象边界匹配程度和对象区域覆盖程度，划分出的分割块常常出现边界扭曲、分割不足和分割过度等问题，导致这些生成的分割块与下游高级视觉任务的适配性较差。

发明内容

为解决上述问题，提出了本发明实施例的基于像素特征学习的无监督图像分割方法、装置及设备。

根据本发明实施例的一个方面，提供了基于像素特征学习的无监督图像分割方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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：