基于卷积神经网络改进的图像自动分割方法

摘要：

针对图像序列三维重建中多视角目标分割需要人工参与、任务繁重的问题,提出一种基于卷积神经网络改进的图像自动分割方法.首先将序列图像去噪处理、归一化并进行语义标注后制作数据集;然后对改进的融合多尺度特征和残差连接的卷积神经网络进行训练,得到优化后的卷积神经网络分割模型;最后将预分割图像加载到优化的分割模型中得到归一化的掩码图,再利用三次样条插值法将其恢复分辨率后与原图作自定义的掩码操作得到高清分割结果.以主流分割软件Photoshop分割结果为参考标准进行对比,实验结果证明,该方法的准确率与参考标准接近,而且可实现批量自动分割,能较好地解决三维重建中目标分割任务繁重的问题.

关键词：图像分割、卷积神经网络、多尺度特征融合、残差连接、三维重建

所属期刊栏目：35

分类号：TP391.41(计算技术、计算机技术)

资助基金：广西科技计划重点资助项目桂科攻1598010-7;桂林电子科技大学研究生教育创新计划资助项目2016YJCX68,2017YJCX53;广西研究生教育创新计划资助项目YCSW2017140

在线出版日期：2018-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2848-2852