[发明专利]一种图像分割方法及装置

摘要

本发明提供一种图像分割方法及装置，利用预设的3D卷积神经网络模型确定获取的待分割图像进行参数调整后的每个目标物的分割图像，利用3D卷积神经网络模型中的提取模块提取待分割图像的至少一个目标物的第一特征图矩阵，像素级显著性增强模块对每个目标物的第一特征图矩阵的参数进行调整，确定每个目标物的像素级的加权矩阵，根据通道级显著性增强模块增强每个目标物的第一特征图矩阵的矩阵通道，确定每个目标物的通道级的加权矩阵，3D残差反卷积模块对增大每个目标物的像素级的加权矩阵和通道级的加权矩阵的和得到目标物的目标矩阵的尺寸进行还原处理，确定进行参数调整后的每个目标物的分割图像。基于本发明，能够得到高精度的分割图像。

主权项

1.一种图像分割方法，其特征在于，该方法包括：/n获取待分割图像；/n利用预设的3D卷积神经网络模型确定所述待分割图像中进行参数调整后的每个目标物的分割图像，所述3D卷积神经网络模型基于图像样本数据预先训练得到，所述3D卷积神经网络模型包括：提取模块、像素级显著性增强模块、通道级显著性增强模块和3D残差反卷积模块；具体的利用所述预设的3D卷积神经网络模型确定所述待分割图像中进行参数调整后的每个目标物的分割图像的过程包括：/n利用所述提取模块，提取所述待分割图像的至少一个目标物的第一特征图矩阵；/n利用所述像素级显著性增强模块，对每个所述目标物的第一特征图矩阵中的参数进行调整，确定每个所述目标物的像素级的加权矩阵，其中，所述每个所述目标物的第一特征图矩阵中的参数为所述目标物的像素；/n根据所述通道级显著性增强模块，增强每个所述目标物的第一特征图矩阵中的矩阵通道，确定每个所述目标物的通道级的加权矩阵；/n利用所述3D残差反卷积模块，针对于每个目标物，计算该目标物的像素级的加权矩阵和通道级的加权矩阵的和，得到所述目标物的目标矩阵，增大每个所述目标物的目标矩阵的尺寸，并对每个目标物的进行尺寸增大后的目标矩阵还原处理，确定所述待分割图像中进行参数调整后的每个所述目标物的分割图像。/n