国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于視覺注意機制的內(nèi)窺圖像中病灶定位方法

      文檔序號:9598470閱讀:603來源:國知局
      基于視覺注意機制的內(nèi)窺圖像中病灶定位方法
      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明涉及醫(yī)學(xué)圖像模式識別分析領(lǐng)域,特別涉及一種內(nèi)窺圖像中病灶區(qū)域的定 位方法。
      【背景技術(shù)】
      [0002] 消化道疾病越來越嚴(yán)重地威脅著人類的健康,同時其他許多種類的疾病都可能由 消化道系統(tǒng)的疾病直接或間接導(dǎo)致,消化道疾病的檢查和診斷對人類的健康狀況有著非常 重要的意義。檢測消化道疾病最好的方法就是直接觀測胃腸道,所以內(nèi)窺鏡是比較直接有 效的方法。然而傳統(tǒng)的插入式內(nèi)窺鏡如腸鏡、胃鏡等,由于機械插入的原因無法深入腸道, 使小腸部分成為檢測盲區(qū),同時插入式內(nèi)窺鏡使用不方便,會給病人帶來疼痛,而且有腸穿 孔的危險。隨著半導(dǎo)體技術(shù)、傳感技術(shù)、LED照明技術(shù)、無線通信與微控制技術(shù)的發(fā)展,為無 線膠囊內(nèi)窺鏡的出現(xiàn)和普及奠定了基礎(chǔ)。無線膠囊內(nèi)窺鏡由微型圖像傳感器、照明模塊、無 線發(fā)射模塊、電源管理模塊等組成。病人吞服后在人體胃腸道蠕動作用下膠囊內(nèi)窺鏡順著 消化腸道向下運動。在運動過程中,膠囊前端的玻璃罩撐開腸道并緊貼腸壁,照明模塊照亮 視場內(nèi)的腸壁,同時圖像傳感器通過短焦距鏡頭獲得腸道內(nèi)壁的圖像,并將圖像數(shù)據(jù)發(fā)射 出體外。膠囊內(nèi)窺鏡持續(xù)地將胃腸道圖像傳出體外,直到由肛門被自然排出人體。整個過 程無需人工干預(yù),不會為病人帶來任何疼痛與不便,而且不存在檢測盲區(qū),實現(xiàn)了無痛無創(chuàng) 全消化道檢測。正是由于這些優(yōu)點膠囊內(nèi)窺鏡作為一種新型的消化道檢測技術(shù)越來越多地 在臨床中得到應(yīng)用。
      [0003] 膠囊內(nèi)窺鏡在人體內(nèi)的工作時間大約為8小時,患有胃腸道疾病的人代謝時間會 更長,所以一次檢測將產(chǎn)生至少2X3600X8 = 57600幀圖像。在如此巨大數(shù)量的視頻圖像 中尋找病灶或病理特征是一件非常耗時耗力的工作,即使是經(jīng)驗豐富的專家也至少要花費 2小時的時間。這不僅浪費時間,而且由于視覺疲勞會出現(xiàn)漏檢的情況。所以利用圖像處理 與模式識別技術(shù)實現(xiàn)計算機智能出血圖象識別是一個必然的趨勢。由于內(nèi)窺圖像為人體消 化道圖像,情況非常復(fù)雜,使用模式識別的智能識別技術(shù)非常依賴于病灶區(qū)域的確定,病灶 定位已成為智能模式識別成功與否的前期基礎(chǔ),將直接決定識別結(jié)果的好壞。傳統(tǒng)的圖像 分析方法將圖像中所有區(qū)域都被賦予相同的優(yōu)先級,然而很多圖像分析所關(guān)心的內(nèi)容通常 只占圖像中較小的一部分,因此這種全面加工增加了分析過程的復(fù)雜性。人類視覺系統(tǒng)在 面對復(fù)雜場景時,注意力會迅速被少數(shù)顯著的視覺對象所吸引,并對這些對象進行優(yōu)先處 理。將這種機制引入到內(nèi)窺圖像的病灶區(qū)域?qū)ふ遗c識別是非常必要的,它可以提供容易引 起觀察者注意的圖像區(qū)域信息,減少后期模式識別的復(fù)雜度,提高模式識別的準(zhǔn)確度和特 異度。

      【發(fā)明內(nèi)容】

      [0004] 現(xiàn)有的對于內(nèi)窺圖像病灶識別技術(shù)的研究都集中在具體的模式識別技術(shù)上面,但 是由于內(nèi)窺圖像非常復(fù)雜,往往由于病灶區(qū)域無法準(zhǔn)確定位,導(dǎo)致各種識別方法特異度不 高,誤判率較高,為了克服病灶區(qū)域無法準(zhǔn)確定位的難題,本發(fā)明基于視覺注意機制,提供 了一種內(nèi)窺圖像中病灶區(qū)域的識別、確定、轉(zhuǎn)移以及種子值的計算的定位方法。該方法計算 快速、準(zhǔn)確,可用于內(nèi)窺圖像中病灶區(qū)域的識別應(yīng)用中。
      [0005] 為了解決上述技術(shù)問題提供的技術(shù)方案為:
      [0006] -種基于視覺注意機制的內(nèi)窺圖像中病灶定位方法,包括如下步驟:
      [0007] a.內(nèi)窺圖像視野邊沿平滑與去噪預(yù)處理
      [0008] 將內(nèi)窺鏡檢測視頻分幅輸入,得到單幅內(nèi)窺圖像,首先按內(nèi)窺鏡的視野參數(shù)將圖 像的邊沿黑邊平滑處理,得到邊界清晰的內(nèi)窺圖像,然后進行圓形圖像區(qū)域的去噪預(yù)處理, 去掉待處理圖像區(qū)域的噪聲;
      [0009] b.基于視覺感知的顏色空間轉(zhuǎn)換
      [0010] 步驟a中得到的預(yù)處理RGB圖像是基于設(shè)備的顏色空間,將其轉(zhuǎn)換到基于視覺感 知的Luv顏色空間;
      [0011] c.特征顯著圖的提取
      [0012] 以步驟b得到的Luv顏色空間圖像的u、v分量作為輸入,計算顏色特征顯著圖uv (c,s),以L分量作為輸入計算亮度特征顯著圖L(c,s),然后使用拉普拉斯變換算法,提取 圖像中的邊沿,并采用虛連的方法,得到圖像中顯著內(nèi)容的邊沿區(qū)域,計算輪廓特征顯著圖 〇(c, s);
      [0013] d.特征顯著圖融合與合成
      [0014] 對步驟c所得到的顏色特征顯著圖uv(c,s),亮度特征顯著圖L(c,s),輪廓特征顯 著圖0(c,s)分別在多尺度下進行規(guī)則化運算,然后進行各個特征顯著圖的融合,得到圖像 的顯著度圖S;
      [0015] e,顯著區(qū)域的選擇與轉(zhuǎn)移
      [0016] 以步驟d中所得到的顯著圖中為輸入,采用蝕刻算法過濾掉面積較小的顯著區(qū) 域,然后按照區(qū)域面積大小的順序排列顯著度程度,即疑似病灶區(qū)域,最后計算病灶區(qū)域的 種子值,供后續(xù)的模式識別使用,以篩除或確認(rèn)病灶的類別。
      [0017] 進一步,所述步驟a中,內(nèi)窺圖像視野平滑處理過程如下:先將數(shù)字圖像坐標(biāo)原點 (〇,〇)平移至圖像幾何原點(_L/2,_M/2)處,其中L,M分別圖像的長和寬,然后對圖像內(nèi)像 素進行掃描,當(dāng)其距幾何原點的長度大于膠囊內(nèi)窺系統(tǒng)視野半徑R時,則將其過濾為圖像 視野之外。
      [0018] 采用中值濾波器算法對膠囊內(nèi)窺圖像進行預(yù)處理,濾除內(nèi)窺圖像中的噪聲。
      [0019] 再進一步,所述步驟c中,特征顯著圖的提取過程采用基于Itti模型算法,采用 Center-Surround算子Θ對亮度顯著圖L(c, s)、顏色顯著圖uv(c, s)、輪廓顯著圖0(c, s) 分別進行特征計算,其計算過程為:
      [0020] L (c,s) = | L (c) Θ L (s) |
      [0021] uv(c, s) = I (u(c)-v(c)) Θ (v(s)-v(s))
      [0022] 0(c, s) = | 0(c) 0〇(s)
      [0023] 其中中心尺度取c = {2, 3, 4},四周尺度取s = {2, 6, 8}。
      [0024] 所述步驟d中,特征顯著圖融合與合成的過程如下:首先采用規(guī)則化算子N( ·) 分別對各個通道的特征顯著圖進行計算,得到該特征通道的綜合顯著圖N(L(c,s))、 N(uv (c,s))、N(0 (c,s)),然后將各個通道的顯著圖進行融合,得到各個通道的顯著度融合 圖Z, 其計算過程如下:
      [0028] 再然后將各分量的顯著度融合圖Γ,、采用規(guī)則化算子N( ·)得到規(guī)則化 的顯著圖融合圖最后合并為綜合的視覺顯著度圖S,其計算公式如 下:
      [0030] 所述的規(guī)則化算子N( ·)的計算過程如下:首先遍歷圖中的像素,尋找全局最大值 M,并將圖中的顯著度值按比例規(guī)則化到固定區(qū)域[0,M],然后分別計算區(qū)域的局部最大值 的平均值:并將圖中每個位置的值乘以放大系數(shù)(.¥ - :)2。
      [0031] 更進一步,所述步驟e中,所述的區(qū)域種子值計算采用中位數(shù)的統(tǒng)計方法,在步驟 e中所確定的疑是病灶區(qū)域內(nèi)統(tǒng)計各個像素L,u,v分量的中位數(shù)M (L),M (u),M (v),然后使 用該中位數(shù)構(gòu)造基于視覺感知顏色空間的像素值P (M (L),M (u),Μ (ν))作為種子值。
      [0032] 與現(xiàn)有技術(shù)相比,本發(fā)明的有益效果是:
      [0033] 1,本發(fā)明的內(nèi)窺圖像中病灶區(qū)域定位算法基于人類視覺注意機制,克服了內(nèi)窺圖 像情況復(fù)雜,智能模式識別方法中病灶區(qū)域難以聚焦的困難,將提高內(nèi)窺圖像中病灶區(qū)域 確定的準(zhǔn)確度。
      [0034] 2,傳統(tǒng)模式識別方法將圖像中所有區(qū)域都賦予相同的優(yōu)先級,模式識別算法的計 算量很大,本發(fā)明方法的將濾除那些非顯著的圖像區(qū)域,并且按照視覺顯著度程度排列待 識別區(qū)域,將極大地降低模式識別的計算量。
      [0035] 3,本發(fā)明的圖像處理方法在基于視覺感知的顏色Luv空間,最大程度地利用了內(nèi) 窺圖像的顏色信息,而顏色信息是病灶區(qū)域診斷的重要信息,提高了病灶區(qū)域確定的準(zhǔn)確 度和特異度。
      【附圖說明】
      [0036] 圖1為本發(fā)明的基于視覺注意機制的內(nèi)窺圖像中病灶定位方法流程圖。
      【具體實施方式】
      [0037] 下面結(jié)合附圖對本發(fā)明的實施例作詳細(xì)說明。
      [0038] 參照圖1,一種基于視覺注意機制的內(nèi)窺圖像中病灶定位方法,包括如下步驟:
      [0039] a.內(nèi)窺圖像視野邊沿平滑與去噪預(yù)處理
      [0040] 采用Given公司的膠囊內(nèi)窺鏡檢測系統(tǒng)的檢測視頻文件,將內(nèi)窺鏡檢測視頻輸 入,分幅得到單幅內(nèi)窺圖像,首先按內(nèi)窺鏡的視野參數(shù)將圖像的邊沿黑邊平滑處理,得到邊 界清晰的內(nèi)窺圖像,然后進行圓形圖像區(qū)域的去噪預(yù)處理,去掉
      當(dāng)前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1