[发明专利]基于不确定性知识域自适应的半监督图像分割方法及系统

权利要求书

1.一种基于不确定性知识域自适应的半监督图像分割方法，其特征在于，包括以下步骤：

获取待分割图像；

基于所获取的待分割图像和预设的图像分割模型，进行待分割图像的分割处理；

其中，所述图像分割模型采用半监督分割模型，基于所构建的不确定性知识库提取所获取的待分割图像的图像样本特征，基于特征迁移的域自适应将所提取到的图像样本特征迁移到半监督分割模型，完成待分割图像的分割处理；

所述基于特征迁移的域自适应的过程中，采用不确定知识域自适应的双分支网络，第一分支通过提取不确定知识库中的图像样本特征，得到中间特征图；结合第二分支提取目标域中有标记输入样本的特征，得到标记目标域特征图；对所得到的中间特征图和所述标记目标域特征图施加知识迁移正则化项，完成特征迁移。

2.如权利要求1中所述的一种基于不确定性知识域自适应的半监督图像分割方法，其特征在于，在构建不确定性知识库之前，对数据集进行数据增强的预处理；所述预处理包括随机裁剪、水平翻转、垂直翻转、随机旋转和添加高斯噪声。

3.如权利要求2中所述的一种基于不确定性知识域自适应的半监督图像分割方法，其特征在于，对预处理后的数据集进行图像尺寸的归一化处理，保证预处理后的数据集中的所有图片尺寸大小统一。

4.如权利要求3中所述的一种基于不确定性知识域自适应的半监督图像分割方法，其特征在于，在构建不确定性知识库的过程中，通过数据增强构造包含错分区域特征的图像，基于所构造的包含错分区域特征的图像得到不确定性知识。

5.如权利要求4中所述的一种基于不确定性知识域自适应的半监督图像分割方法，其特征在于，利用预训练好的U-net网络对输入图像进行分割，得到输入图像的分割掩模图，对标签图像的掩模图与输入图像的分割掩模图作差，得到包含错分区域的掩模图，完成错分区域的提取。

6.如权利要求5中所述的一种基于不确定性知识域自适应的半监督图像分割方法，其特征在于，对所得到的包含错分区域的掩模图取反，得到反向掩模图，实现数据增强框架掩码的重构；将重构后的数据增强框架掩码与反向掩模图进行点乘，得到新掩模图掩码；用新掩模图掩码替换据增强框架掩码，对输入图像进行数据增强，替换未错分区域，完成不确定性知识库的构建。

7.如权利要求6中所述的一种基于不确定性知识域自适应的半监督图像分割方法，其特征在于，对所得到的包含错分区域的掩模图取反的具体过程为：将所得到的包含错分区域的掩模图中的像素值为1的像素点赋值0，将所得到的包含错分区域的掩模图中的像素值为0的像素点赋值1。

8.如权利要求1中所述的一种基于不确定性知识域自适应的半监督图像分割方法，其特征在于，所述知识迁移正则化项采用加权的相对熵，通过降低相对熵的数值拉进所述中间特征图与所述标记目标域特征图之间的分布距离。

9.一种基于不确定性知识域自适应的半监督图像分割系统，其特征在于，包括：

获取模块，被配置为获取待分割图像；

分割模块，被配置为基于所获取的待分割图像和预设的图像分割模型，进行待分割图像的分割处理；

其中，所述图像分割模型采用半监督分割模型，基于所构建的不确定性知识库提取所获取的待分割图像的图像样本特征，基于特征迁移的域自适应将所提取到的图像样本特征迁移到半监督分割模型，完成待分割图像的分割处理；

所述基于特征迁移的域自适应的过程中，采用不确定知识域自适应的双分支网络，第一分支通过提取不确定知识库中的图像样本特征，得到中间特征图；结合第二分支提取目标域中有标记输入样本的特征，得到标记目标域特征图；对所得到的中间特征图和所述标记目标域特征图施加知识迁移正则化项，完成特征迁移。