[发明专利]一种端到端的图像分割处理方法及系统

摘要

本发明涉及图像处理技术领域，公开了一种端到端的图像分割处理方法及系统，所述方法包括：获取用于进行端到端的图像分割处理的测试用图，作为训练的样本图像；建立端到端的图像分割网络，并用样本图像来进行训练学习；根据所得到的图像分割网络模型对目标图像进行分割，实现对所述目标图像的分割并一次性输出整幅目标图像的分割结果。本发明通过端到端的图像分割处理方法对图像分割的精度更高，无需切割小图，节省计算机存储资源，减少准备图像的时间，可以一次性输出整幅图像的分割结果，提升了分割速度，也使得图像分割的步骤更加简便。

主权项

1.一种端到端的图像分割处理方法，其特征在于，包括：/n步骤A，获取用于进行端到端的图像分割处理的测试用图，作为训练的样本图像；/n步骤B，建立端到端的图像分割网络，并用样本图像来进行训练学习；/n步骤C，根据所得到的图像分割网络模型对目标图像进行分割，实现对所述目标图像的分割并一次性输出整幅目标图像的分割结果；/n所述图像分割网络由特征粗提取子网络和重建子网络构成；/n所述特征粗提取子网络由图像缩小和特征提取两个环节构成，在特征粗提取子网络中，先对图像进行缩小处理，或者分步缩小，然后提取特征；/n所述重建子网络由图像放大和分类图重建两个环节构成，在重建子网络中，对图像进行相对应的放大操作和分类图重建；/n所述步骤C具体包括：/nC1，在特征粗提取子网络的图像缩小环节，经过第一个卷积层和下采样层后，目标图像缩小为原来的大小的1/2，然后特征粗提取子网络经过若干个卷积层提取到合适的特征，在重建子网络中，目标图像先经过一个反卷积层恢复为原始尺寸，然后与第一个卷积层的卷积结果进行叠加，并通过一个卷积层重建最终分类图；/n样本图片在特征粗提取子网络的图像缩小环节，经过一个卷积层和下采样层后，图像缩小为原来的1/2大小，接着是特征粗提取子网络的特征提取环节，经过5个卷积层提取到合适的特征；在重建子网络中，图像先经过一个反卷积层，图像已恢复为原始尺寸，然后与第一个卷积层的卷积结果进行叠加，并通过一个卷积层重建最终分类图；/n或者在特征粗提取子网络的图像缩小环节，经过若干个卷积层和下采样层进行若干次缩小，然后特征粗提取子网络经过若干个卷积层提取到合适的特征，在重建子网络中，目标图像先经过若干个反卷积层和对应的卷积层进行叠加恢复为原始尺寸，最后与第一个卷积层的卷积结果进行叠加，并通过一个卷积层重建最终分类图；/n特征粗提取子网络有两次图像缩小操作，经过2个卷积层和2个下采样层进行2次缩小,后续再接4个卷积层以提取特征；两次图像放大操作和叠加，图像先经过一个反卷积层，输出重建子网络中图像第一次放大输出的分类图；然后图像经过1个卷积层输出重建子网络中图像第一次重建输出的分类图；再经过一个反卷积层输出重建子网络中图像第二次放大输出的分类图，图像已恢复为原始尺寸；最后，经过1个卷积层输出重建子网络中图像最终重建输出的分类图，从而一次性输出了整幅图像的分割结果；/n对于尺寸更大的图像，采用分步将图片缩小到更小尺寸的网络架构，进行多次图像放大操作和叠加，并通过一个卷积层重建最终分类图；/n通过端到端的图像分割处理方法对图像分割的精度更高，无需切割小图，节省计算机存储资源，减少图像准备的时间，一次性输出整幅图像的分割结果。/n