基于动态光照校正与双视图语义融合的伤口分割
图像与视频处理
2022-07-13 v1 计算机视觉与模式识别
摘要
伤口图像分割是伤口临床诊断和及时治疗的的关键环节。近年来，深度学习已成为伤口图像分割的主流方法。然而，由于性能可大幅提升，在训练阶段前需对伤口图像进行预处理，如光照校正。校正过程与深度模型训练相互独立，导致分割性能次优，因为固定的光照校正可能并不适用于所有图像。为解决上述问题，本文提出一种端到端双视图分割方法，将可学习的光照校正模块嵌入深度分割模型中。该模块的参数可在训练阶段自动学习与更新，而双视图融合可充分利用原始图像与增强图像的特征。为验证所提框架的有效性与鲁棒性，在基准数据集上进行了大量实验。令人鼓舞的结果表明，与 SOTA 方法相比，我们的框架能显著提升分割性能。
引用
@article{arxiv.2207.05388,
title = {Wound Segmentation with Dynamic Illumination Correction and Dual-view Semantic Fusion},
author = {Honghui Liu and Changjian Wang and Kele Xu and Fangzhao Li and Ming Feng and Yuxing Peng and Hongjun He},
journal= {arXiv preprint arXiv:2207.05388},
year = {2022}
}