CN110910396A - 一种用于优化图像分割结果的方法和装置 - Google Patents

Abstract

本申请提供了一种用于优化图像分割结果的方法，包括：若图像分割结果中的相邻两个分割区域之间存在不明显边界，确定所述两个分割区域中的欠分割区域和过分割区域；对所述欠分割区域和所述过分割区域进行像素值分布统计，并根据统计结果确定转化区间；将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中。根据本申请的方案，能够将误分割至过分割区域的像素转换到欠分割区域中，解决了相邻的两个分割区域之间存在不明显边界的技术问题，能够达到很好的优化效果，使得优化后输出的图像能够准确地呈现原始输入中的各项信息，从而便于基于图像分割结果进行后续的分析处理，提高分析处理结果的准确性。

Description

一种用于优化图像分割结果的方法和装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种用于优化图像分割结果的技术方案。

背景技术

随着计算机科学技术的发展，图像分割技术被广泛应用于各个领域,如可应用于工业自动化、生产过程控制、在线产品检验、遥感和医学图像分析等方面。然而，在灰度图像中，若一个区域被分割为两种或两种以上分割区域，相邻两个分割区域之间很可能存在不明显边界，而存在不明显边界的相邻两个分割区域与原始输入之间可能会存在较大差异，进而可能会对基于图像分割结果的后续分析处理过程产生负面影响，尤其是在医学图像分析方面，很可能会导致无法准确分析个体的病症，甚至可能导致病症的误判。

发明内容

本申请的目的是提供一种用于优化图像分割结果的方法、装置、计算机设备及计算机可读存储介质。

根据本申请的一个实施例，提供了一种用于优化图像分割结果的方法，其中，该方法包括：

若图像分割结果中的相邻两个分割区域之间存在不明显边界，确定所述两个分割区域中的欠分割区域和过分割区域；

对所述欠分割区域和所述过分割区域进行像素值分布统计，并根据统计结果确定转化区间；

将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中。

根据本申请的另一个实施例，提供了一种用于优化图像分割结果的装置，其中，该装置包括：

用于若图像分割结果中的相邻两个分割区域之间存在不明显边界，确定所述两个分割区域中的欠分割区域和过分割区域的装置；

用于对所述欠分割区域和所述过分割区域进行像素值分布统计，并根据统计结果确定转化区间的装置；

用于将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中的装置。

根据本申请的另一个实施例，提供了一种计算机设备，其中，所述计算机设备包括：

存储器，用于存储一个或多个程序；

一个或多个处理器，与所述存储器相连，

当所述一个或多个程序被所述一个或者多个处理器执行时，使得所述一个或多个处理器执行如下操作：

若图像分割结果中的相邻两个分割区域之间存在不明显边界，确定所述两个分割区域中的欠分割区域和过分割区域；

对所述欠分割区域和所述过分割区域进行像素值分布统计，并根据统计结果确定转化区间；

将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中。

根据本申请的另一个实施例，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序可被处理器执行如下操作：

若图像分割结果中的相邻两个分割区域之间存在不明显边界，确定所述两个分割区域中的欠分割区域和过分割区域；

对所述欠分割区域和所述过分割区域进行像素值分布统计，并根据统计结果确定转化区间；

将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中。

与现有技术相比，本申请具有以下优点：能够通过对相邻的欠分割区域和过分割区域进行像素值分布统计，来确定转化区间，并将过分割区域中满足所述转化区间的像素转换到欠分割区域中，从而能够将误分割至过分割区域的像素转换到欠分割区域中，解决了相邻的两个分割区域之间存在不明显边界的技术问题，能够达到很好的优化效果，使得优化后输出的图像能够准确地呈现原始输入中的各项信息，从而便于基于图像分割结果进行后续的分析处理，提高分析处理结果的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1示出了本申请一个实施例的用于优化图像分割结果的方法的流程示意图；

图2示出了本申请一个实施例的用于优化图像分割结果的装置的结构示意图；

图3示出了可被用于实施本申请中所述的各个实施例的示例性***。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

在上下文中所称“设备”，是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备，其可以包括处理器与存储器，由处理器执行在存储器中预存的程序指令来执行预定处理过程，或是由专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)等硬件执行预定处理过程，或是由上述二者组合来实现。

本申请的技术方案主要由计算机设备来实现。其中，所述计算机设备包括网络设备和用户设备。所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。所述用户设备包括但不限于PC机、平板电脑、智能手机、IPTV、PDA、可穿戴设备等。其中，所述计算机设备可单独运行来实现本申请，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本申请。其中，所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。

需要说明的是，上述计算机设备仅为举例，其他现有的或今后可能出现的计算机设备如可适用于本申请，也应包含在本申请保护范围以内，并以引用方式包含于此。

本文后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。

这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本申请的示例性实施例的目的。但是本申请可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。

还应当提到的是，在一些替换实现方式中，所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说，取决于所涉及的功能/动作，相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。

下面结合附图对本申请作进一步详细描述。

图1示出了本申请一个实施例的用于优化图像分割结果的方法的流程示意图。本实施例的方法包括步骤S1、步骤S2和步骤S3。在所述步骤S1中，若图像分割结果中的相邻两个分割区域之间存在不明显边界，计算机设备确定所述两个分割区域中的欠分割区域和过分割区域；在所述步骤S2中，计算机设备对所述欠分割区域和所述过分割区域进行像素值分布统计，并根据统计结果确定转化区间；在所述步骤S3中，计算机设备将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中。

在所述步骤S1中，若图像分割结果中的相邻两个分割区域之间存在不明显边界，计算机设备确定所述两个分割区域中的欠分割区域和过分割区域。可选地，在所述步骤S1中，计算机设备根据操作人员输入的指示信息(包括但不限于文字、语音、点击操作、标记操作等任何用于指示欠分割区域和过分割区域的信息)确定相邻两个分割区域之间的欠分割区域和过分割区域，操作人员可基于人工筛查和经验来选择过分割区域和欠分割区域。可选地，所述图像分割结果中可能为针对目标图像进行图像分割获得的，也可能为针对目标图像中的特定区域进行图像分割获得的；所述图像分割结果可能是在所述计算机设备中执行图像分割获得的，或者其他设备发送至所述计算机设备的，本申请并不限制图像分割结果的来源，也不限制用于实现图像分割的具体实施方式。所述图像分割结果用于指示分割获得的多个分割区域，该多个分割区域中有至少一对分割区域之间存在不明显边界，例如，图像分割结果包括分割区域A1、A2、A3、A4，A1与A2、A4之间存在不明显边界，A3和A2之间存在不明显边界；在一些实施例中，所述图像分割结果包括每个像素对应的标签，该标签用于指示该像素对应的分割区域；可选地，所述图像分割结果可表现为矩阵，该矩阵中每个元素表示与该元素位置对应的像素的标签；在一些实施例中，所述图像分割结果包括多个像素集合，每个像素集合对应一个分割区域。其中，所述欠分割区域是指部分像素被误分割至相邻分割区域的区域；所述过分割区域是指误将相邻分割区域的部分像素归为己类的区域。在一些实施例中，所述图像分割结果是针对脑MRI(Magnetic Resonance Imaging，核磁共振成像)图像进行图像分割获得的，所述欠分割区域为小脑灰质区域，所述过分割区域为与所述小脑灰质区域相邻的小脑白质区域；所述小脑灰质区域与所述小脑白质区域之间的不明显边界上大部分是属于小脑白质的小分支纹理，且基于小脑像素值的统计分布，小脑区域的像素呈现重叠双峰分布，重叠的部分像素既有小脑白质，也有小脑灰质，这些重叠的像素倾向于在所述小脑灰质区域与所述小脑白质区域之间的不明显边界上，这也使得基于图像分割结果直接输出的图像无法准确地呈现出小脑白质的分枝状信息。

在步骤S2中，计算机设备对所述欠分割区域和所述过分割区域进行像素值分布统计，并根据统计结果确定转化区间。其中，所述转化区域用于指示需要从所述过分割区域转换到所述欠分割区域中的像素所在区域。在一些实施例中，所述前分割区域和所述过分割区域的像素值分布近似服从正态分布，如小脑灰质区域和小脑白质区域的像素值分布近似服从正态分布。作为一个示例，图像分割结果中包括分割区域X和分割区域Y，从所述图像分割结果(记为Ψ0)上假设Y存在欠分割，X存在过分割，计算机设备根据图像分割结果Ψ0，分别统计Y的像素值分布以及X的像素值分布，并根据统计结果确定转化区间。

在所述步骤S3中，计算机设备将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中。作为一个示例，所述图像分割结果是针对脑MRI图像进行图像分割获得的，所述欠分割区域为小脑灰质区域，所述过分割区域为与所述小脑灰质区域相邻的小脑白质区域，计算机设备将小脑白质区域中满足转化区间的像素转到所述小脑灰质区域，从而使得优化后输出的图像中可以较为清晰准确地呈现小脑白质分支纹理。

需要说明的是，若所述图像分割结果中有多对分割区域之间存在不明显边界，则所述计算机设备分别针对每对分割区域执行所述步骤S1、所述步骤S2和所述步骤S3，从而实现对整个图像分割结果的优化。在实现对所述图像分割结果的优化之后，所述计算机设备可输出优化后得到的图像，以便基于该优化后得到的图像进行后续分析处理，或者可将优化后得到的图像传输至其他设备，以在其他设备中基于该优化后得到的图像进行分析处理。

根据本实施例的用于优化图像分割结果的方案，能够通过对相邻的欠分割区域和过分割区域进行像素值分布统计，来确定转化区间，并将过分割区域中满足所述转化区间的像素转换到欠分割区域中，从而实现将误分割至过分割区域的像素转换到欠分割区域中，解决了相邻的两个分割区域之间存在不明显边界的技术问题，能够达到很好的优化效果，使得优化后输出的图像能够准确地呈现原始输入中的各项信息，从而便于基于图像分割结果进行后续的分析处理，提高分析处理结果的准确性。

在一些实施例中，所述步骤S2包括步骤S21和步骤S22。在步骤S21中，计算机设备对所述欠分割区域和所述过分割区域进行像素值分布统计，根据统计结果计算所述欠分割区域对应的第一均值和标准差，以及所述过分割区域对应的第二均值；在步骤S22中，计算机设备根据所述第一均值、所述标准差以及所述第二均值，确定转化区间。

在一些实施例中，所述步骤S22包括：比较所述第一均值与所述第二均值的大小，并根据比较结果确定转化区间，其中，若所述第一均值大于所述第二均值，转化区域取值为[μy–k*σy,μy]，若所述第一均值小于所述第二均值，转化区域取值为[μy,μy+k*σy]；其中，μy为所述第一均值，σy为所述标准差，k为经验常数。在另一些实施例中，所述步骤S22包括：将区间[μy–k*σy,μy+k*σy]确定为转化区间。可选地，所述经验常数可为固定值、或者由操作人员针对当前分割任务手动输入的值，或者操作人员基于不同的分割任务动态选取的。在一些实施例中，所述步骤S22还包括：根据当前分割任务以及预定映射关系，动态确定当前分割任务对应的经验常数，其中，所述预定映射关系用于指示分割任务与预定经验常数之间的映射关系；例如，计算机设备中预先存储有不同分割与预定经验常数之间的映射关系，该映射关系指示分割任务R1、R2、R3分别对应经验常数1.5、2、2.5，则计算机设备根据当前分割任务“R1”以及该映射关系，确定与当前分割任务对应的预定经验常数为“1.5”，也即确定k＝1.5。

在一些实施例中，所述图像分割结果包括每个像素对应的标签，所述步骤S3包括：将所述过分割区域中满足所述转化区间的像素的标签修改为所述欠分割区域对应的标签。

作为一个示例，欠分割区域对应的标签为“10”，与该欠分割区域相邻的过分割区域对应的标签为“20”，图像分割结果包括每个像素对应的标签；在步骤S2中，计算机设备确定转化区间为[μy–k*σy,μy+k*σy]；在步骤S3中，计算机设备将该过分割区域中落入[μy–k*σy,μy+k*σy]内的像素(所述图像分割结果中该等像素对应的标签为“20”)的标签修改为“10”，也即将该等像素转换到了该欠分割区域。

在一些实施例中，所述图像分割结果包括所述欠分割区域对应的像素集合以及所述过分割区域对应的像素集合，所述步骤S3包括：将所述过分割区域对应的像素集合中满足所述转化区间的像素转移至所述欠分割区域对应的像素集合中。

作为一个示例，图像分割结果包括欠分割区域对应的像素集合Set1以及相邻的过分割区域对应的像素集合Set2，在步骤S2中，计算机设备确定转化区间为[μy–k*σy,μy+k*σy]；在步骤S3中，计算机设备将Set2中落入[μy–k*σy,μy+k*σy]内的像素转移至Set1，也即将该等像素转换到了欠分割区域。

图2示出了本申请一个实施例的用于优化图像分割结果的装置的结构示意图。该用于优化图像分割结果的装置(以下简称为“优化装置1”)包括确定装置11、统计装置12和转换装置13。所述确定装置11用于若图像分割结果中的相邻两个分割区域之间存在不明显边界，确定所述两个分割区域中的欠分割区域和过分割区域；所述统计装置12用于对所述欠分割区域和所述过分割区域进行像素值分布统计，并根据统计结果确定转化区间；所述转换装置13用于将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中。

所述确定装置11用于若图像分割结果中的相邻两个分割区域之间存在不明显边界，确定所述两个分割区域中的欠分割区域和过分割区域。可选地，确定装置11根据操作人员输入的指示信息(包括但不限于文字、语音、点击操作、标记操作等任何用于指示欠分割区域和过分割区域的信息)确定相邻两个分割区域之间的欠分割区域和过分割区域，操作人员可基于人工筛查和经验来选择过分割区域和欠分割区域。可选地，所述图像分割结果中可能为针对目标图像进行图像分割获得的，也可能为针对目标图像中的特定区域进行图像分割获得的；所述图像分割结果可能是在所述计算机设备中执行图像分割获得的，或者其他设备发送至所述计算机设备的，本申请并不限制图像分割结果的来源，也不限制用于实现图像分割的具体实施方式。所述图像分割结果用于指示分割获得的多个分割区域，该多个分割区域中有至少一对分割区域之间存在不明显边界，例如，图像分割结果包括分割区域A1、A2、A3、A4，A1与A2、A4之间存在不明显边界，A3和A2之间存在不明显边界；在一些实施例中，所述图像分割结果包括每个像素对应的标签，该标签用于指示该像素对应的分割区域；可选地，所述图像分割结果可表现为矩阵，该矩阵中每个元素表示与该元素位置对应的像素的标签；在一些实施例中，所述图像分割结果包括多个像素集合，每个像素集合对应一个分割区域。其中，所述欠分割区域是指部分像素被误分割至相邻分割区域的区域；所述过分割区域是指误将相邻分割区域的部分像素归为己类的区域。在一些实施例中，所述图像分割结果是针对脑MRI图像进行图像分割获得的，所述欠分割区域为小脑灰质区域，所述过分割区域为与所述小脑灰质区域相邻的小脑白质区域；所述小脑灰质区域与所述小脑白质区域之间的不明显边界上大部分是属于小脑白质的小分支纹理，且基于小脑像素值的统计分布，小脑区域的像素呈现重叠双峰分布，重叠的部分像素既有小脑白质，也有小脑灰质，这些重叠的像素倾向于在所述小脑灰质区域与所述小脑白质区域之间的不明显边界上，这也使得基于图像分割结果直接输出的图像无法准确地呈现出小脑白质的分枝状信息。

所述统计装置12用于对所述欠分割区域和所述过分割区域进行像素值分布统计，并根据统计结果确定转化区间。其中，所述转化区域用于指示需要从所述过分割区域转换到所述欠分割区域中的像素所在区域。在一些实施例中，所述前分割区域和所述过分割区域的像素值分布近似服从正态分布，如小脑灰质区域和小脑白质区域的像素值分布近似服从正态分布。作为一个示例，图像分割结果中包括分割区域X和分割区域Y，从所述图像分割结果(记为Ψ0)上假设Y存在欠分割，X存在过分割，所述统计装置12根据图像分割结果Ψ0，分别统计Y的像素值分布以及X的像素值分布，并根据统计结果确定转化区间。

所述转换装置13用于将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中。作为一个示例，所述图像分割结果是针对脑MRI图像进行图像分割获得的，所述欠分割区域为小脑灰质区域，所述过分割区域为与所述小脑灰质区域相邻的小脑白质区域，所述转换装置13将小脑白质区域中满足转化区间的像素转到所述小脑灰质区域，从而使得优化后输出的图像中可以较为清晰准确地呈现小脑白质分支纹理。

在实现对所述图像分割结果的优化之后，所述计算机设备可输出优化后得到的图像，以便基于该优化后得到的图像进行后续分析处理，或者可将优化后得到的图像传输至其他设备，以在其他设备中基于该优化后得到的图像进行分析处理。

根据本实施例的用于优化图像分割结果的方案，能够通过对相邻的欠分割区域和过分割区域进行像素值分布统计，来确定转化区间，并将过分割区域中满足所述转化区间的像素转换到欠分割区域中，从而实现将误分割至过分割区域的像素转换到欠分割区域中，解决了相邻的两个分割区域之间存在不明显边界的技术问题，能够达到很好的优化效果，使得优化后输出的图像能够准确地呈现原始输入中的各项信息，从而便于基于图像分割结果进行后续的分析处理，提高分析处理结果的准确性。

在一些实施例中，所述统计装置12用于：对所述欠分割区域和所述过分割区域进行像素值分布统计，根据统计结果计算所述欠分割区域对应的第一均值和标准差，以及所述过分割区域对应的第二均值；根据所述第一均值、所述标准差以及所述第二均值，确定转化区间。

在一些实施例中，所述根据所述第一均值、所述标准差以及所述第二均值，确定转化区间，包括：比较所述第一均值与所述第二均值的大小，并根据比较结果确定转化区间，其中，若所述第一均值大于所述第二均值，转化区域取值为[μy–k*σy,μy]，若所述第一均值小于所述第二均值，转化区域取值为[μy,μy+k*σy]；其中，μy为所述第一均值，σy为所述标准差，k为经验常数。在另一些实施例中，所述根据所述第一均值、所述标准差以及所述第二均值，确定转化区间，包括：将区间[μy–k*σy,μy+k*σy]确定为转化区间。可选地，所述经验常数可为固定值、或者由操作人员针对当前分割任务手动输入的值，或者操作人员基于不同的分割任务动态选取的。在一些实施例中，所述根据所述第一均值、所述标准差以及所述第二均值，确定转化区间，还包括：根据当前分割任务以及预定映射关系，动态确定当前分割任务对应的经验常数，其中，所述预定映射关系用于指示分割任务与预定经验常数之间的映射关系；例如，计算机设备中预先存储有不同分割与预定经验常数之间的映射关系，该映射关系指示分割任务R1、R2、R3分别对应经验常数1.5、2、2.5，则所述统计装置12根据当前分割任务“R1”以及该映射关系，确定与当前分割任务对应的预定经验常数为“1.5”，也即确定k＝1.5。

在一些实施例中，所述图像分割结果包括每个像素对应的标签，所述转换装置13用于：将所述过分割区域中满足所述转化区间的像素的标签修改为所述欠分割区域对应的标签。

作为一个示例，欠分割区域对应的标签为“10”，与该欠分割区域相邻的过分割区域对应的标签为“20”，图像分割结果包括每个像素对应的标签；所述统计装置12确定转化区间为[μy–k*σy,μy+k*σy]；所述转换装置13将该过分割区域中落入[μy–k*σy,μy+k*σy]内的像素(所述图像分割结果中该等像素对应的标签为“20”)的标签修改为“10”，也即将该等像素转换到了该欠分割区域。

在一些实施例中，所述图像分割结果包括所述欠分割区域对应的像素集合以及所述过分割区域对应的像素集合，所述转换装置13用于：将所述过分割区域对应的像素集合中满足所述转化区间的像素转移至所述欠分割区域对应的像素集合中。

作为一个示例，图像分割结果包括欠分割区域对应的像素集合Set1以及相邻的过分割区域对应的像素集合Set2，所述统计装置12确定转化区间为[μy–k*σy,μy+k*σy]；所述转换装置13将Set2中落入[μy–k*σy,μy+k*σy]内的像素转移至Set1，也即将该等像素转换到了欠分割区域。

图3示出了可被用于实施本申请中所述的各个实施例的示例性***。

在一些实施例中，***1000能够作为本申请实施例中的任意一个处理设备。在一些实施例中，***1000可包括具有指令的一个或多个计算机可读介质(例如，***存储器或NVM/存储设备1020)以及与该一个或多个计算机可读介质耦合并被配置为执行指令以实现模块从而执行本申请中所述的动作的一个或多个处理器(例如，(一个或多个)处理器1005)。

对于一个实施例，***控制模块1010可包括任意适当的接口控制器，以向(一个或多个)处理器1005中的至少一个和/或与***控制模块1010通信的任意适当的设备或组件提供任意适当的接口。

***控制模块1010可包括存储器控制器模块1030，以向***存储器1015提供接口。存储器控制器模块1030可以是硬件模块、软件模块和/或固件模块。

***存储器1015可被用于例如为***1000加载和存储数据和/或指令。对于一个实施例，***存储器1015可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，***存储器1015可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。

对于一个实施例，***控制模块1010可包括一个或多个输入/输出(I/O)控制器，以向NVM/存储设备1020及(一个或多个)通信接口1025提供接口。

例如，NVM/存储设备1020可被用于存储数据和/或指令。NVM/存储设备1020可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。

NVM/存储设备1020可包括在物理上作为***1000被安装在其上的设备的一部分的存储资源，或者其可被该设备访问而不必作为该设备的一部分。例如，NVM/存储设备1020可通过网络经由(一个或多个)通信接口1025进行访问。

(一个或多个)通信接口1025可为***1000提供接口以通过一个或多个网络和/或与任意其他适当的设备通信。***1000可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信。

对于一个实施例，(一个或多个)处理器1005中的至少一个可与***控制模块1010的一个或多个控制器(例如，存储器控制器模块1030)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器1005中的至少一个可与***控制模块1010的一个或多个控制器的逻辑封装在一起以形成***级封装(SiP)。对于一个实施例，(一个或多个)处理器1005中的至少一个可与***控制模块1010的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器1005中的至少一个可与***控制模块1010的一个或多个控制器的逻辑集成在同一模具上以形成片上***(SoC)。

在各个实施例中，***1000可以但不限于是：服务器、工作站、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)。在各个实施例中，***1000可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，***1000包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。

本申请还提供了一种计算机设备，其中，所述计算机设备包括：

存储器，用于存储一个或多个程序；

一个或多个处理器，与所述存储器相连，

当所述一个或多个程序被所述一个或者多个处理器执行时，使得所述一个或多个处理器执行本申请所述的用于优化图像分割结果的方法。

本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序可被处理器执行本申请所述的用于优化图像分割结果的方法。

本申请还提供了一种计算机程序产品，当所述计算机程序产品被设备执行时，使得所述设备执行本申请所述的用于优化图像分割结果的方法。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (18)

1.一种用于优化图像分割结果的方法，其中，该方法包括：

a若图像分割结果中的相邻两个分割区域之间存在不明显边界，确定所述两个分割区域中的欠分割区域和过分割区域；

b对所述欠分割区域和所述过分割区域进行像素值分布统计，并根据统计结果确定转化区间；

c将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中。

2.根据权利要求1所述的方法，其中，所述步骤b包括：

对所述欠分割区域和所述过分割区域进行像素值分布统计，根据统计结果计算所述欠分割区域对应的第一均值和标准差，以及所述过分割区域对应的第二均值；

m根据所述第一均值、所述标准差以及所述第二均值，确定转化区间。

3.根据权利要求2所述的方法，其中，所述步骤m包括：

比较所述第一均值与所述第二均值的大小，并根据比较结果确定转化区间，其中，若所述第一均值大于所述第二均值，转化区域取值为[μy–k*σy,μy]，若所述第一均值小于所述第二均值，转化区域取值为[μy,μy+k*σy]；

其中，μy为所述第一均值，σy为所述标准差，k为经验常数。

4.根据权利要求2所述的方法，其中，所述步骤m包括：

将区间[μy–k*σy,μy+k*σy]确定为转化区间，其中，μy为所述第一均值，σy为所述标准差，k为经验常数。

5.根据权利要求3或4所述的方法，其中，所述步骤m还包括：

根据当前分割任务以及预定映射关系，动态确定当前分割任务对应的经验常数，其中，所述预定映射关系用于指示分割任务与预定经验常数之间的映射关系。

6.根据权利要求1所述的方法，其中，所述图像分割结果包括每个像素对应的标签，所述步骤c包括：

将所述过分割区域中满足所述转化区间的像素的标签修改为所述欠分割区域对应的标签。

7.根据权利要求1所述的方法，其中，所述图像分割结果包括所述欠分割区域对应的像素集合以及所述过分割区域对应的像素集合，所述步骤c包括：

将所述过分割区域对应的像素集合中满足所述转化区间的像素转移至所述欠分割区域对应的像素集合中。

8.根据权利要求1所述的方法，其中，所述图像分割结果是针对脑MRI图像进行图像分割获得的，所述欠分割区域为小脑灰质区域，所述过分割区域为与所述小脑灰质区域相邻的小脑白质区域。

9.一种用于优化图像分割结果的装置，其中，该装置包括：

用于若图像分割结果中的相邻两个分割区域之间存在不明显边界，确定所述两个分割区域中的欠分割区域和过分割区域的装置；

用于对所述欠分割区域和所述过分割区域进行像素值分布统计，并根据统计结果确定转化区间的装置；

用于将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中的装置。

10.根据权利要求9所述的装置，其中，所述用于对所述欠分割区域和所述过分割区域进行像素值分布统计，并根据统计结果确定转化区间的装置，用于：

对所述欠分割区域和所述过分割区域进行像素值分布统计，根据统计结果计算所述欠分割区域对应的第一均值和标准差，以及所述过分割区域对应的第二均值；

根据所述第一均值、所述标准差以及所述第二均值，确定转化区间。

11.根据权利要求10所述的装置，其中，所述根据所述第一均值、所述标准差以及所述第二均值，确定转化区间，包括：

比较所述第一均值与所述第二均值的大小，并根据比较结果确定转化区间，其中，若所述第一均值大于所述第二均值，转化区域取值为[μy–k*σy,μy]，若所述第一均值小于所述第二均值，转化区域取值为[μy,μy+k*σy]；

其中，μy为所述第一均值，σy为所述标准差，k为经验常数。

12.根据权利要求10所述的装置，其中，所述根据所述第一均值、所述标准差以及所述第二均值，确定转化区间，包括：

根据所述第一均值、所述标准差以及所述第二均值，并基于以下公式计算转化区间：

Range＝[μy–k*σy,μy+k*σy]；

其中，Range表示转化区间，μy为所述第一均值，σy为所述标准差，k为经验常数。

13.根据权利要求11或12所述的装置，其中，其中，所述根据所述第一均值、所述标准差以及所述第二均值，确定转化区间，还包括：

根据当前分割任务以及预定映射关系，动态确定当前分割任务对应的经验常数，其中，所述预定映射关系用于指示分割任务与预定经验常数之间的映射关系。

14.根据权利要求9所述的装置，其中，所述图像分割结果包括所述欠分割区域和所述过分割区域中的每个像素对应的标签，所述用于将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中的装置，用于：

将所述过分割区域中满足所述转化区间的像素的标签修改为所述欠分割区域对应的标签。

15.根据权利要求10所述的装置，其中，所述图像分割结果包括所述欠分割区域对应的像素集合以及所述过分割区域对应的像素集合，所述用于将所述过分割区域中满足所述转化区间的像素转换到所述欠分割区域中的装置，用于：

将所述过分割区域对应的像素集合中满足所述转化区间的像素转移至所述欠分割区域对应的像素集合中。

16.根据权利要求10所述的装置，其中，所述图像分割结果是针对脑MRI图像进行图像分割获得的，所述欠分割区域为小脑灰质区域，所述过分割区域为与所述小脑灰质区域相邻的小脑白质区域。

17.一种计算机设备，其中，所述计算机设备包括：

存储器，用于存储一个或多个程序；

一个或多个处理器，与所述存储器相连，

当所述一个或多个程序被所述一个或者多个处理器执行时，使得所述一个或多个处理器执行如权利要求1至8中任一项所述的方法。

18.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序可被处理器执行如权利要求1至8中任一项所述的方法。

Images