[发明专利]一种基于多监督全卷积神经网络的图像分割方法

摘要

本发明涉及一种多监督全卷积神经网络的图像分割方法，该方法在全卷积神经网络(FCN)的基础上做了进一步的优化，提出了一种新的网络结构，该网络结构拥有三个有监督的边输出层，有监督的边输出层可以指导网络学习多尺度特征，让网络同时获得图像的局部特征和全局特征。与此同时，为了更多的保留图像中的上下文信息，在网络的上采样部分，采用多个特征通道对输出的特征图进行上采样。最后，用一个带有权重的融合层将多个边输出层的分类结果融合，得到最终的图像分割结果。本发明实现的方法具有分割准确率高，分割速率快的特点；在骨肉瘤CT数据分割中，本方法获得的分割结果的DSC系数达到86.88％左右，优于传统的FCN算法。

主权项

一种基于多监督全卷积神经网络的图像分割方法，其特征在于，步骤如下：第一步，采用各向异性扩散滤波算法对输入图像进行去噪处理，接着对去除噪声后的图像进行标准化处理，得到标准化处理后的图像；第二步，将第一步标准化后的图像输入到多监督全卷积神经网络中进行训练；第三步，将经过步骤一中预处理操作后的测试图像输入到步骤二中已经训练好的多监督全卷积神经网络模型之中，将多监督全卷积神经网络模型中得到的融合层的分割结果作为最终的分割结果。