基于多尺度密集块网络的皮肤病变图像分割算法

针对皮肤病变图像分割问题,提出了一种基于多尺度密集块网络(DenseNet)的皮肤病变图像分割算法。首先依次采用形态学闭操作和非锐化滤波器对原始皮肤病变图像进行预处理,得到不含皮肤毛发和血管伪影的细化图像。然后将预处理后的图像输入到分割网络中。该网络基于编码-解码(Encoder-Decoder)架构,运用并行多分支结构和金字塔池化模型两种多尺度特征融合方法,可实现不同感受野下的特征提取。同时,将DenseNet结构融合到编码器中,实现图像特征的复用,利用目标损失与内容损失相结合的LTotal损失函数,进一步提升了图像分割的精度。最后,通过SoftMax分类器得到分割结果并计算相关评估指数。I