(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210387576.2 (22)申请日 2022.04.14 (65)同一申请的已公布的文献号 申请公布号 CN 114463187 A (43)申请公布日 2022.05.10 (73)专利权人 合肥高维数据技 术有限公司 地址 230088 安徽省合肥市高新区望江西 路900号中安创谷科技园一期A1栋21 楼 (72)发明人 田辉　刘其开　徐飞　郭玉刚　 张志翔　 (51)Int.Cl. G06T 3/40(2006.01) G06T 7/11(2017.01) G06K 9/62(2022.01) G06V 10/26(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01)(56)对比文件 CN 113658200 A,2021.1 1.16 CN 114120125 A,202 2.03.01 CN 113592894 A,2021.1 1.02 CN 112837218 A,2021.0 5.25 CN 113012150 A,2021.0 6.22 US 10402 977 B1,2019.09.0 3 CN 112508973 A,2021.0 3.16 CN 113869396 A,2021.12.31 CN 114155375 A,202 2.03.08 杨洁洁等.基于深度学习的语义分割综述. 《长江信息通信》 .202 2, HaonanWang.UCTransNet: Rethi nking the Skip Connections in U-Net from a C hannel- wise Perspective w ith Transformer. 《arXiv: 2109.043 35v3》 .202 2, (续) 审查员 卢秋茹 (54)发明名称 基于聚合边缘特征的图像语义分割方法及 系统 (57)摘要 本发明特别涉及一种基于聚合边缘特征的 图像分割方法， 包括： 特征提取模块， 用于提取图 像的浅层特征； 特征融合模块， 用于对浅层特征 进行特征融合； 上采样模块， 用于对融合后的特 征进行卷积降维操作， 并对降维后的特征图进行 上采样双线性插值处理得到与输入图尺寸相同 的特征图； 显著目标边缘图生成模块， 用于对上 采样模块输出的特征图进行相加， 并对相加后的 特征图进行可视化处理得到预测的显著目标边 缘图。 通过此网络可 以有效的提取显著目标， 以 PC屏幕为例， 我们的显著目标就是屏幕的边缘， 而非所有线段， 建立该网络并完成训练后， 训练 好的网络就能可靠的提取出显著目标边缘， 提取 结果中噪点少， 保证后续对屏幕的识别更加准确。 [转续页] 权利要求书2页 说明书5页 附图4页 CN 114463187 B 2022.06.17 CN 114463187 B (56)对比文件 Olaf Ronneberger,等.U-Net: Convolutional Netw orks for Bi omedical Image Segmentati on. 《arXiv:15 05.04597v1》 .2015, Vijay Badri narayanan 等.SegNet: A De ep Convolutional Encoder-Decoder Architecture for Scene Segmentati on. 《IEEE Transacti ons on Pattern Analy sis and Machine Intelligence》 .2017,xiaowei Liu.Region-to-boundary de ep learning model w ith multi-scale feature fusion for medical ima ge segmentati on. 《Biomedical Signal Proces sing and Control》 .2021, Suichang Zheng等.MDC C-Net: Multiscale double-channel convolution U-Net framework for co lorectal tumor segmentati on. 《Computers i n Biology and Medicine》 .2021,2/2 页 2[接上页] CN 114463187 B1.一种基于聚合 边缘特征的图像分割方法， 其特 征在于： 包括： 特征提取模块， 用于提取图像的浅层特 征得到不同尺度的浅层特 征图 ； 特征融合模块， 用于对特 征图 进行特征融合得到特 征图 ； 上采样模块， 用于对特征图 进行卷积降维操作得到单通道特征图 ， 并对单通道特征 图 进行上采样双线性插值处 理得到与输入图尺寸相同的特 征图 ， 其中 ； 显著目标边缘图生成模块， 用于对特征图 进行相加， 并对相加后的特征图 进行可视化处 理得到预测的显著目标边 缘图； 所述的特征融合模块按如下步骤对特征图 进行特征融合得到特征图 包括： 对特征图 进行卷积处理得到特征图 ， 特征图 与特征图 相比通道数减少但尺 寸不变； 对特征图 进行上采样双线性插值处理得到特征图 ， 特征图 与特征图 相比通 道数不变且尺寸与特 征图 相同； 取特征图 的部分通道与特征图 进行叠加得到 特征图 ， 特征图 和特征图 通道数不变且尺寸相同； 对特征图 进行卷积处理得到特征图 ， 特征图 与特征图 相比通道数减 少但尺寸不变； 以此类推， 得到特 征图 。 2.如权利要求1所述的基于聚合边缘特征的图像分割方法， 其特征在于： 所述的单通道 特征图 和特征图 的尺寸相同， 特征图 通道数为1； 对特征图 进行相加即将 N个特征图中相同位置的特 征值相加， 可视化处 理包括： 对相加后的特 征图进行归一 化操作得到概 率分布矩阵； 按照设定阈值对概 率分布矩阵进行二 值化处理即得到预测的显著目标边 缘图。 3.一种基于聚合 边缘特征的图像分割方法， 其特 征在于： 包括如下步骤： 获取第一训练集； 按照权利要求1中的方法构建第一网络； 利用所述的第 一训练集对所述的第 一网络进行训练， 训练完成后得到训练好的第 一网 络； 将待检测图像输入训练好的第 一网络得到预测的显著目标边缘图， 该图中显著目标边 框轮廓与背景区域相异。 4.一种基于聚合 边缘特征的图像 语义分割方法， 其特 征在于： 包括如下步骤： 获取第一训练集和第二训练集；权　利　要　求　书 1/2 页 2 CN 114463187 B 3