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：苏州丽景智能科技有限公司

摘要：本发明涉及一种基于椒盐噪声全变分数据增广的图像语义分割方法，所述方法基于全变分正则化模型进行数据增广，并对增广后的数据集运用神经网络技术，实现医疗PETCT图像的中的肿瘤分割的方法，该方法对增广后的数据集采用神经网络的方法，实现医疗PETCT图像的中的肿瘤分割。本发明通过将该类图像数据也作为样本加入数据集，通过极小化全变分正则化去噪模型中的优化问题，迭代产生满足不同精度要求的去噪结果，对数据集进行进一步的扩充，使得得到的图像分割结果更具鲁棒性。

主权项：1.一种基于椒盐噪声全变分数据增广的图像语义分割方法，其特征是：所述方法基于全变分正则化模型进行数据增广，并对增广后的数据集运用神经网络技术，实现医疗PETCT图像的中的肿瘤分割的方法，包括如下步骤：步骤1：获取数据集中的样本图像信息，设图像Ω中的像素点x，y处的像素值为Ix,y,不失一般性的，简记整幅图像像素值为映射I，该图像对应的标签图像为L；步骤2：对图像添加信噪比不同的信息椒盐噪声n，得到噪声图像f，即，f＝I+n；步骤3：利用一个全变分正则化图像去噪模型进行去除噪声处理，得到去噪后的结果图像；步骤3.1：构建适用于特定噪声的所述的全变分正则化图像去噪模型： 其中，符号，minu表示函数关于希望得到的去噪后图像像素值u取极小，表示图像像素值的分布导数，其分量分别为关于横向x、纵向y的偏导数，旨在控制图像的像素值u具有分片取常值的特点，||·||1表示1-范数，λ＞0为模型中的正则化参数，第二项||u-f||1旨在控制u，使其不会过度偏离获取的f，相较于2-范数，1-范数更能体现噪声的稀疏特性；步骤3.2：对所述全变分正则化图像去噪模型利用一个primal-dual算法进行求解；所述全变分正则化图像去噪模型等价的写成下述原始对偶形式， 其中p是对偶变量，其所属的对偶空间用Y表示，P是下面形式的凸集合P＝{p∈Y：||p||∞＜1}且||p||∞表示无穷范数，δP是集合P的指示函数；从而可得到下述形式的原始对偶迭代算法 pk+1＝argminp∫Ω＜uk+1，divp＞+δPp 其中divp表示对偶变量p的散度，θ为超梯度参数，步骤3.3：选择不同的精度要求，得到该要求下的图像去噪结果，在算法迭代的每一步计算误差分别取不同程度的误差容忍度tol，分别取tol＝10-2，10-3，10-4，10-5，输出对应的样本去噪图像步骤4：将噪声图像f与去噪结果图像分别与样本对应的标记图像L做对应，得到扩充后的图像数据集，由于加入的椒盐噪声具有不同的信噪比，因此噪声图像f有多个，其在不同误差容忍度下得到的去噪结果也有多个，他们所对应的标记图像依旧是L，因此实现了从唯一对应关系I，L的扩充，形成一个增广数据集。

全文数据：

权利要求：

百度查询： 苏州丽景智能科技有限公司 一种基于椒盐噪声全变分数据增广的图像语义分割方法