一种基于高分辨率网络的舌图像分割算法

技术特征：
1.一种基于高分辨率网络的舌图像分割算法，其特征在于，能够对自然场景下拍摄的舌图像进行分割，得到独立的舌体部分，具体包括以下步骤：步骤1、采集用户手机拍摄的舌图像，并对输入图像进行预处理；步骤2、构建一个基于高分辨率网络的舌图像分割模型；步骤3、在imagenet数据集上对舌图像分割网络进行预训练得到初始权重值，形成预训练模型；步骤4、通过迁移学习的方式，使用舌图像数据集对网络进行微调；步骤5、通过训练好的高分辨率网络对舌图像进行分割。2.根据权利要求1所述的一种基于高分辨率网络的舌图像分割算法，其特征在于，所构建的一种基于高分辨率网络的舌图像分割算法包括高分辨率网络、特征提取模块、多尺度融合模块以及空间金字塔池化模块，其中，高分辨率网络通过并行连接高分辨率到低分辨率卷积流的方式，在全过程中保持高分辨率表示；特征提取模块通过本发明提出的具有注意力机制的特征提取模块加强了对全局信息的的提取能力，减少了边缘信息的损失；多尺度融合模块充分融合了低分辨率语义信息和高分辨率特征信息；空间金字塔池化模块对输入图片进行二次特征信息提取，进一步获得局部信息，并于骨干网络得到的全局信息进行融合，以提高模型对细节信息的提取能力。3.根据权利要求2所述的一种基于高分辨率网络的舌图像分割算法，其特征在于，在整个高分辨率网络中始终保持高分辨率表示，逐步引入低分辨率卷积，并将不同分辨率的卷积并行连接；为了减少在构建低分辨率分支过程中造成的信息丢失，本发明通过focus模块获得低分辨率表示；focus模块的原理为对图片进行切片操作，具体做法为：(1)首先在一张图片中每隔一个像素取一个值，得到n张子特征图，这n张子特征图互补，没有信息丢失；(2)然后将n张子特征图进行拼接；最后将得到的新特征图进行卷积操作，获得下采样特征图。4.根据权利要求2所述的一种基于高分辨率网络的舌图像分割算法，其特征在于，特征提取模块借鉴se模块的想法，在原有特征提取模块中加入通道注意力机制，构建基于注意力机制的特征提取模块，该模块通过全局池化操作来获取全局信息，将空间信息集中到通道描述中，实现对全局上下文信息的提取；通过两次全连接操作使模块自适应的调整各通道的权重值，使有用信息得到加强，无用信息则被抑制。5.根据权利要求2所述的一种基于高分辨率网络的舌图像分割算法，其特征在于，多尺度融合模块充分融合低分辨率语义信息和高分辨率特征信息；为了避免在训练过程中造成的大量细节信息的丢失，本发明在多尺度融合模块采用密集上采样卷积(dense upsampling convolution，duc)代替双线性插值来实现上采样；利用特征重排思想来实现下采样。6.根据权利要求2所述的一种基于高分辨率网络的舌图像分割算法，其特征在于，空间金字塔池化模块对输入图片进行二次特征信息提取，其池化核大小分别为2
×
2、3
×
3、4
×
4、5
×
5，进一步获得局部信息，并于骨干网络得到的全局信息进行融合，以提高模型对细节信息的提取能力。

技术总结
本发明针对舌图像分割算法存在边缘信息损失严重、分割精度低等问题，提出一种基于高分辨率网络的舌图像分割算法，首先对输入图片进行处理，构建多尺度子网并行连接的结构；其次引入注意力机制构建特征提取模块，加强对全局信息的提取；然后通过多尺度特征融合结构，充分融合低分辨率语义信息和高分辨率特征信息；最后通过空间金字塔池化结构进一步提取边界信息。本发明有效提高了分割精度，减少边缘信息的损失，充分满足舌诊仪的需求。充分满足舌诊仪的需求。充分满足舌诊仪的需求。


技术研发人员：文武 杨清钧 李杰
受保护的技术使用者：重庆邮电大学
技术研发日：2022.10.31
技术公布日：2023/1/31