一种基于内外部引导的交互式图像分割方法及系统

技术特征：
1.一种基于内外部引导的交互式图像分割方法，其特征在于，包括以下步骤：s1，对待训练图像进行预处理形成网络的5通道输入数据为训练集数据；s2，将预处理后的训练集数据进行卷积处理，将卷积处理后的数据进行解码，再将解码后的各层特征经过卷积操作之后进行融合，得到分割结果；s3，对得到的分割结果进行修正后输入值网络分割模型的最底层金字塔特征模块，然后利用得到的分割结果以及该分割结果对应的训练集训练修正后的网络分割模型，利用训练后的网络分割模型实现图像的分割。2.根据权利要求1所述的一种基于内外部引导的交互式图像分割方法，其特征在于，利用ground truth生成待训练图片的内外部引导点作为模仿人工交互点，将待训练图片裁剪至外部引导点所形成的外接矩形框大小，然后为内部引导点和外部引导点生成2d高斯中心，为内部引导点和外部引导点创建两个独立的热图，将得到的热图与rgb输入图像连接在一起形成网络的5通道输入数据。3.根据权利要求1所述的一种基于内外部引导的交互式图像分割方法，其特征在于，使用反向传播策略优化网络的参数，根据损失函数的值更新网络参数，使得损失函数不断下降直到收敛至设定值，完成网络分割模型的训练。4.根据权利要求1所述的一种基于内外部引导的交互式图像分割方法，其特征在于，在网络解码的过程中采用跨阶段特征聚合，从上一个阶段的下采样和上采样到目前阶段的下采样流程。5.根据权利要求1所述的一种基于内外部引导的交互式图像分割方法，其特征在于，在网络分割模型中设置通道注意力模块，通过自动学习的方式获取到每个通道特征的重要程度，根据每个通道特征的重要程度给每一个特征通道赋予一个权重值。6.根据权利要求1所述的一种基于内外部引导的交互式图像分割方法，其特征在于，将卷积处理后的数据进行解码，在最深层加入金字塔特征处理器进行全局语义的获取，同时将卷积处理的低级语义用跨层连接与同一下采样倍率下解码阶段的高级语义连接起来，将解码后的各层特征经过卷积操作之后进行融合，得到分割结果。7.根据权利要求1所述的一种基于内外部引导的交互式图像分割方法，其特征在于，采用随机裁切、高斯模糊、对比度增强或镜像翻转方式对数据集进行扩充。8.根据权利要求2所述的一种基于内外部引导的交互式图像分割方法，其特征在于，内部引导点为待分割对象的最上、最下、最左和最右四个极值点，外部引导点为待分割对象的最小外接矩形框的四个顶点。9.根据权利要求1所述的一种基于内外部引导的交互式图像分割方法，其特征在于，通过coarse-to-fine结构的网络模型对特征进行编码和解码。10.一种基于内外部引导的交互式图像分割系统，其特征在于，包括数据预处理模块，分割模块和修正模块；数据预处理模块用于对待训练图像进行预处理形成网络的5通道输入数据为训练集数据；分割模块用于将预处理后的训练集数据进行卷积处理，将卷积处理后的数据进行解码，再将解码后的各层特征经过卷积操作之后进行融合，得到分割结果；修正模块根据对得到的分割结果进行修正后输入值网络分割模型的最底层金字塔特
征模块，然后利用得到的分割结果以及该分割结果对应的训练集训练修正后的网络分割模型，用于实现图像的分割。

技术总结
本发明公开了一种基于内外部引导的交互式图像分割方法及系统，通过对待训练图像进行预处理形成网络的5通道输入数据为训练集数据；将预处理后的训练集数据进行卷积处理，将卷积处理后的数据进行解码，再将解码后的各层特征经过卷积操作之后进行融合，得到分割结果；对得到的分割结果进行修正后输入值网络分割模型的最底层金字塔特征模块，然后利用得到的分割结果以及该分割结果对应的训练集训练修正后的网络分割模型，利用训练后的网络分割模型实现图像的分割，本发明利用解码并融合后的分割结果及对应的训练集训练网络分割模型，利用训练后的网络分割模型进行交互式图像的分割，在网络编码与解码的过程中采用跨阶段特征聚合，本发明适用于复杂多变场景下的目标分割，能够提高分割精度。能够提高分割精度。能够提高分割精度。


技术研发人员：田智强 柳嘉乐 郑军令 郑尧月
受保护的技术使用者：西安交通大学
技术研发日：2022.03.25
技术公布日：2022/7/1