1.一种基于双分支神经判别降维的半监督图像分割方法，其特征在于，所述基于双分支神经判别降维的半监督图像分割方法，包括：对采集的图片进行预处理，获得训练数据集；

采用训练数据集训练构建的图像分割模型，所述图像分割模型包括特征提取模块和解码模块，所述特征提取模块采用Swin Transformer网络，所述Swin Transformer网络两个分支的对应Swin Transformer块之间设置有神经判别降维模块NDDR，所述神经判别降维模块NDDR与下一个Swin Transformer块之间设置有分片融合模块，所述解码模块包括两个与Swin Transformer网络两个分支分别对应的解码器，其中一个分支对应的解码器输出有符号距离图，另一个分支对应的解码器输出分割概率图；

在训练构建的图像分割模型时，在输入的训练图片具有标注时，将标注转换为参考有符号距离图，将有符号距离图转换为参考分割概率图，计算所述有符号距离图与所述参考有符号距离图之间的损失、所述分割概率图与所述参考分割概率图之间的损失、以及所述分割概率图与标注之间的损失，以上述损失的和作为图像分割模型的损失函数来进行反向传播，更新图像分割模型的参数；在输入的训练图片没有标注时，以所述分割概率图与所述参考分割概率图之间的损失作为图像分割模型的损失函数来进行反向传播，更新图像分割模型的参数；

将待分割图片输入到训练好的图像分割模型，输出分割结果。

2.根据权利要求1所述的基于双分支神经判别降维的半监督图像分割方法，其特征在于，所述神经判别降维模块，执行如下操作：先将两个输入的特征图进行合并，然后通过一个步长为1的1*1的卷积进行互相的联合学习。

3.根据权利要求1所述的基于双分支神经判别降维的半监督图像分割方法，其特征在于，所述分片融合模块，执行如下操作：将输入按照2x2的相邻分片合并。

4.根据权利要求1所述的基于双分支神经判别降维的半监督图像分割方法，其特征在于，所述Swin Transformer网络每个分支依次设置有三个Swin Transformer块，所述解码器，执行如下操作：先将本解码器所在分支提取的特征图进行反卷积运算，再和另一分支的第3个Swin Transformer块的输出作连接操作，接着再经过两个卷积运算，输出第一特征图；

将第一特征图进行反卷积运算，再和另一分支的第2个Swin Transformer块的输出作连接操作，接着再经过两个卷积运算，输出第二特征图；

将第二特征图进行反卷积运算，再和另一分支的第1个Swin Transformer块的输出作连接操作，接着再经过两个卷积运算，输出第三特征图；

将第三特征图再经过连续的两个反卷积操作，最后经过一个1*1的卷积，输出解码输出结果。

5.根据权利要求1所述的基于双分支神经判别降维的半监督图像分割方法，其特征在于，所述将标注转换为参考有符号距离图，采用如下函数C：其中x，y代表分割图中的两个不同的像素点， 代表分割目标的轮廓，Tin和Tout则分别代表目标轮廓的内部和外部；

所述将有符号距离图转换为参考分割概率图，包括：

‑1

构建所述函数C逆变换的平滑近似函数C ，其中：

其中z是像素x处的有符号距离值，k是一个系数；

‑1

经过C 将有符号距离图转换为分割概率图。