买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州电子科技大学信息工程学院

摘要：本发明涉及图像分析技术领域，公开了基于多尺度特征提取的图像分割方法，包括以下步骤：S1、图像预处理、对输入图像进行归一化处理，S2、多尺度特征提取：对处理后的输入图像进行图像金字塔构建，S3、注意力机制设计：在S2步骤每个尺度处理过程中增加自注意力机制与通道注意力机制，S4、特征融合、将不同尺度的特征图进行上采样或下采样，S5、图像分割，S6、后处理，S7、评估优化。通过多尺度特征提取技术和精细化的图像处理流程显著提高了图像分割的准确性，利用高斯金字塔构建多层次图像并采用先进的卷积神经网络进行特征提取，结合自注意力和通道注意力机制，本技术能够精确识别并强化关键特征，同时抑制无关信息。

主权项：1.基于多尺度特征提取的图像分割方法，其特征在于，包括以下步骤：S1、图像预处理：对输入图像进行归一化处理，使其像素值保持在0到1之间，并在进行数据增强过程中，对输入图像进行不规则旋转、缩放、平移；S2、多尺度特征提取：对处理后的输入图像进行图像金字塔构建，从多个尺度上同步对输入图像进行处理，而每个尺度上均通过应用卷积神经网络提取图像特征；S3、注意力机制设计：在S2步骤每个尺度处理过程中增加自注意力机制与通道注意力机制；自注意力机制用于计算不同尺度计算特征之间的相似性，并生成注意力图，使用注意力图加权特征图，增强显著特征并抑制无关特征；通道注意力机制用于在每个尺度的特征图上，使用通道注意力机制计算各通道的重要性权重，并根据通道权重调整特征图的各通道值，增强重要特征；S4、特征融合：将不同尺度的特征图进行上采样或下采样，使其大小一致，对齐后的特征图通过加权平均进行融合，而注意力机制优化融合过程中，确保重要特征被有效利用；S5、图像分割：首先进行分割头设计，设计多个全卷积网络FCN分割头，对融合特征图进行处理，生成最终的分割结果，而在分割过程中需要对每个像素进行分类，生成分割掩码，并且在模型的中间层和最终输出层都引入监督信号，提高分割精度；S6、后处理：对分割掩码进行形态学操作包括开运算和闭运算，以去除噪声和细化边界，并在最终使用CRF进一步优化分割结果；S7、评估优化：结合交叉熵损失和Dice损失，平衡类别不平衡问题，提高分割效果，并在模型使用完成后应用交叉验证和测试集以评估模型性能，调整超参数获得最佳效果。

全文数据：

权利要求：

百度查询： 杭州电子科技大学信息工程学院 基于多尺度特征提取的图像分割方法及图像捕捉装置