一种自约束的小样本缺损图像分割方法

作者：刘剑超; 相洁; 张玲; 李钢

来源：小型微型计算机系统, 2021, 1-8.

• 图像分割
• 水平集
• 深度学习
• 神经网络
• 污损图像

针对现有的图像分割技术在小样本量数据集上容易过拟合，不能有效分割缺损图像的问题，提出了一种自约束图像分割方法。首先，基于传统无监督水平集图像分割方法，提出一种可微分水平集层。第二，将可微分水平集层嵌入U-Net等有监督图像分割模型中，使得水平集方法对函数的拓扑约束，可以随着梯度反向传播过程，对卷积参数起到约束作用。实验结果表明，在MNIST和Fashion-MNIST简单数据集上，本文方法的分割准确率比CV等基于水平集的方法分别提升8.3%和11.7%，比U-Net等分割网络分别提升7.5%和15.6%；在背景复杂的Weizmann horse数据集上准确率较基于水平集的方法提高54.9%，较U-Net等分割网络提升13.4%，显示出本文方法在小样本缺损图像数据集上的有效性与鲁棒性。

• 单位
  太原理工大学