本申請(qǐng)涉及圖像分割，尤其涉及一種圖像分割方法及圖像分割系統(tǒng)。

背景技術(shù)：

1、靜脈識(shí)別技術(shù)作為生物特征識(shí)別的一種重要方法，在安全領(lǐng)域得到了廣泛應(yīng)用。隨著智能門鎖的普及，將靜脈識(shí)別技術(shù)與智能門鎖結(jié)合成為一個(gè)新的研究熱點(diǎn)。然而，傳統(tǒng)的靜脈識(shí)別方法主要基于2d圖像，難以捕捉血管的立體結(jié)構(gòu)信息，導(dǎo)致識(shí)別準(zhǔn)確率受限。

2、近年來，3d靜脈圖像采集技術(shù)的發(fā)展為提高識(shí)別精度提供了新的可能。但是，3d靜脈圖像的處理和分析面臨著多個(gè)挑戰(zhàn)。3d圖像數(shù)據(jù)量大，直接處理計(jì)算復(fù)雜度高；其次，血管結(jié)構(gòu)的復(fù)雜性和個(gè)體差異性使得準(zhǔn)確分割變得困難；如何有效地將3d信息轉(zhuǎn)化為2d特征以適應(yīng)現(xiàn)有的識(shí)別算法也是一個(gè)亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)?zhí)峁┝艘环N圖像分割方法及圖像分割系統(tǒng)，用于提高了圖像分割的精度。

2、第一方面，本申請(qǐng)?zhí)峁┝艘环N圖像分割方法，所述圖像分割方法包括：

3、通過預(yù)置的智能門鎖采集用戶的靜脈3d血管圖像，并對(duì)所述靜脈3d血管圖像進(jìn)行標(biāo)準(zhǔn)化濾波和對(duì)比度增強(qiáng)處理，得到預(yù)處理3d血管圖像；

4、對(duì)所述預(yù)處理3d血管圖像進(jìn)行多尺度卷積和層注意力機(jī)制分析，得到3d特征表示；

5、對(duì)所述3d特征表示執(zhí)行自適應(yīng)3d到2d投影算法，得到2d血管特征圖；

6、采用跨尺度級(jí)聯(lián)分層變壓器網(wǎng)絡(luò)對(duì)所述2d血管特征圖進(jìn)行圖像分割，得到初始2d分割結(jié)果；

7、對(duì)所述初始2d分割結(jié)果進(jìn)行反向邊界注意力優(yōu)化，得到優(yōu)化2d分割圖；

8、對(duì)所述優(yōu)化2d分割圖進(jìn)行交叉熵?fù)p失函數(shù)評(píng)估和優(yōu)化，輸出目標(biāo)2d分割結(jié)果。

9、第二方面，本申請(qǐng)?zhí)峁┝艘环N圖像分割系統(tǒng)，所述圖像分割系統(tǒng)包括：

10、采集模塊，用于通過預(yù)置的智能門鎖采集用戶的靜脈3d血管圖像，并對(duì)所述靜脈3d血管圖像進(jìn)行標(biāo)準(zhǔn)化濾波和對(duì)比度增強(qiáng)處理，得到預(yù)處理3d血管圖像；

11、分析模塊，用于對(duì)所述預(yù)處理3d血管圖像進(jìn)行多尺度卷積和層注意力機(jī)制分析，得到3d特征表示；

12、執(zhí)行模塊，用于對(duì)所述3d特征表示執(zhí)行自適應(yīng)3d到2d投影算法，得到2d血管特征圖；

13、分割模塊，用于采用跨尺度級(jí)聯(lián)分層變壓器網(wǎng)絡(luò)對(duì)所述2d血管特征圖進(jìn)行圖像分割，得到初始2d分割結(jié)果；

14、優(yōu)化模塊，用于對(duì)所述初始2d分割結(jié)果進(jìn)行反向邊界注意力優(yōu)化，得到優(yōu)化2d分割圖；

15、輸出模塊，用于對(duì)所述優(yōu)化2d分割圖進(jìn)行交叉熵?fù)p失函數(shù)評(píng)估和優(yōu)化，輸出目標(biāo)2d分割結(jié)果。

16、本申請(qǐng)第三方面提供了一種圖像分割設(shè)備，包括：存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器中存儲(chǔ)有指令；所述至少一個(gè)處理器調(diào)用所述存儲(chǔ)器中的所述指令，以使得所述圖像分割設(shè)備執(zhí)行上述的圖像分割方法。

17、本申請(qǐng)的第四方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述的圖像分割方法。

18、本申請(qǐng)?zhí)峁┑募夹g(shù)方案中，多尺度卷積和層注意力機(jī)制的結(jié)合，提高了對(duì)3d血管結(jié)構(gòu)的特征提取能力，能夠更好地捕捉不同尺度的血管信息。自適應(yīng)3d到2d投影算法，在保留3d結(jié)構(gòu)信息的同時(shí)實(shí)現(xiàn)了降維，降低了后續(xù)處理的計(jì)算復(fù)雜度?？绯叨燃?jí)聯(lián)分層變壓器網(wǎng)絡(luò)的應(yīng)用，增強(qiáng)了模型對(duì)多尺度特征的學(xué)習(xí)和融合能力，提高了分割的精確度。反向邊界注意力優(yōu)化機(jī)制，特別關(guān)注了血管邊界區(qū)域，提升了分割結(jié)果的邊界準(zhǔn)確性。改進(jìn)的交叉熵?fù)p失函數(shù)，通過引入確定性觀測(cè)樣本和邊界敏感項(xiàng)，更好地指導(dǎo)了模型的優(yōu)化過程。實(shí)現(xiàn)了從3d圖像采集到2d分割結(jié)果輸出的全流程處理，提高了靜脈識(shí)別的整體效率和準(zhǔn)確性。

技術(shù)特征：

1.一種圖像分割方法，其特征在于，所述圖像分割方法包括：

2.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于，所述通過預(yù)置的智能門鎖采集用戶的靜脈3d血管圖像，并對(duì)所述靜脈3d血管圖像進(jìn)行標(biāo)準(zhǔn)化濾波和對(duì)比度增強(qiáng)處理，得到預(yù)處理3d血管圖像，包括：

3.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于，所述對(duì)所述預(yù)處理3d血管圖像進(jìn)行多尺度卷積和層注意力機(jī)制分析，得到3d特征表示，包括：

4.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于，所述對(duì)所述3d特征表示執(zhí)行自適應(yīng)3d到2d投影算法，得到2d血管特征圖，包括：

5.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于，所述采用跨尺度級(jí)聯(lián)分層變壓器網(wǎng)絡(luò)對(duì)所述2d血管特征圖進(jìn)行圖像分割，得到初始2d分割結(jié)果，包括：

6.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于，所述對(duì)所述初始2d分割結(jié)果進(jìn)行反向邊界注意力優(yōu)化，得到優(yōu)化2d分割圖，包括：

7.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于，所述對(duì)所述優(yōu)化2d分割圖進(jìn)行交叉熵?fù)p失函數(shù)評(píng)估和優(yōu)化，輸出目標(biāo)2d分割結(jié)果，包括：

8.一種圖像分割系統(tǒng)，其特征在于，用于執(zhí)行如權(quán)利要求1-7中任一項(xiàng)所述的圖像分割方法，所述圖像分割系統(tǒng)包括：

9.一種圖像分割設(shè)備，其特征在于，所述圖像分割設(shè)備包括：存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器中存儲(chǔ)有指令；

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，其特征在于，所述指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任一項(xiàng)所述的圖像分割方法。

技術(shù)總結(jié)
本申請(qǐng)涉及圖像分割技術(shù)領(lǐng)域，公開了一種圖像分割方法及圖像分割系統(tǒng)。所述方法包括：通過預(yù)置的智能門鎖采集用戶的靜脈3D血管圖像，并對(duì)所述靜脈3D血管圖像進(jìn)行標(biāo)準(zhǔn)化濾波和對(duì)比度增強(qiáng)處理，得到預(yù)處理3D血管圖像；對(duì)所述預(yù)處理3D血管圖像進(jìn)行多尺度卷積和層注意力機(jī)制分析，得到3D特征表示；對(duì)所述3D特征表示執(zhí)行自適應(yīng)3D到2D投影算法，得到2D血管特征圖；采用跨尺度級(jí)聯(lián)分層變壓器網(wǎng)絡(luò)對(duì)所述2D血管特征圖進(jìn)行圖像分割，得到初始2D分割結(jié)果；對(duì)所述初始2D分割結(jié)果進(jìn)行反向邊界注意力優(yōu)化，得到優(yōu)化2D分割圖；對(duì)所述優(yōu)化2D分割圖進(jìn)行交叉熵?fù)p失函數(shù)評(píng)估和優(yōu)化，輸出目標(biāo)2D分割結(jié)果，本申請(qǐng)?zhí)岣吡藞D像分割的精度。

技術(shù)研發(fā)人員：薛喜柱,林本聰,洪曉城,顏旭東,麻亞翰
受保護(hù)的技術(shù)使用者：一脈通（深圳）智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2