面向结肠内窥镜反光区域检测的中智分析方法专利检索-色调HSL色彩模式图形技术专利检索查询-专利查询网

面向结肠 内窥镜反光区域检测的中智分析方法

阅读：505发布：2020-05-08

专利汇可以提供面向结肠内窥镜反光区域检测的中智分析方法专利检索，专利查询，专利分析的服务。并且本发明涉及面向结肠内窥镜图像反光区域检测的中智分析方法，该方法对采集到的结肠内窥镜图像数据进行逐帧处理，将图像颜色空间转换至灰度空间和HSI颜色空间，然后在灰度空间计算生成融合灰度门限的灰度中值差分特征图以及图像黑边界滤除的结肠区域均值差分特征图；结合LOG特征图，计算面向上述两种差分特征图的中智隶属度、不确定性度和非隶属度，分别利用中智相似度求得对应的中智置信图，最后以此为基础，通过多阈值融合中智置信图信息、饱和度信息和灰度信息，最终完成对反光区域的检测。本发明实现简单，计算复杂度低，鲁棒性高，能够有效完成结肠内窥镜图像反光区域检测。，下面是面向结肠内窥镜反光区域检测的中智分析方法专利的具体信息内容。

权利要求

1.面向结肠内窥镜反光区域检测的中智分析方法，其特征在于：包括以下步骤：
(1)将原图像颜色空间转换至灰度空间和色调-饱和度-亮度颜色空间；
(2)在灰度空间计算生成融合灰度门限的灰度中值差分特征图；
(3)在灰度空间计算图像黑边界滤除的结肠区域均值差分特征图；
(4)结合LOG特征图，计算基于灰度中值差分特征图的中智隶属度、不确定性度和非隶属度，利用中智相似度求得灰度中值差分特征图所对应的中智置信图；结合LOG特征图，计算基于结肠区域均值差分特征图的中智隶属度、不确定性度和非隶属度，利用中智相似度求得结肠区域均值差分特征图所对应的中智置信图；
(5)将灰度中值差分特征图所对应的中智置信图信息、结肠区域均值差分特征图所对应的中智置信图信息、图像饱和度信息以及灰度信息进行融合，通过多阈值判断获得反光区域坐标点集合。
2.根据权利要求1所述的面向结肠内窥镜反光区域检测的中智分析方法，其特征在于：
所述步骤(2)灰度中值差分特征图的获得方法为：利用中值滤波器对灰度图像进行滤波处理，滤波窗口宽度设定为w，按照下列公式计算：
上式中，Fmid(x)为融合灰度门限的灰度中值差分特征图x坐标处的强度值，G(x)和Gmid(x)分别为灰度图像和经中值滤波后图像在x坐标处的强度值，采用大尺度中值滤波将图像中的反光区域滤除，t0为阈值。
3.根据权利要求2所述的面向结肠内窥镜反光区域检测的中智分析方法，其特征在于：
所述步骤(3)结肠区域均值差分特征图的获得方法为：按照下列公式计算图像黑边界滤除的结肠区域均值差分特征图x坐标处的强度值Fm(x)，
上式中，mv为结肠区域均值，mv按照下列公式计算：
上式中，集合P为图像中满足对应灰度值大于t1的所有像素点集合，|P|表示集合P包含的像素点的总数量，D为图像所有像素坐标集合，t1为阈值，图像经阈值分割后滤除黑边界区域。
4.根据权利要求3所述的面向结肠内窥镜反光区域检测的中智分析方法，其特征在于：
所述步骤(4)中基于灰度中值差分特征图的中智隶属度、不确定性度以及非隶属度分别计算如下：
F0(x)＝1-T0(x)
上式中，T0(x)、I0(x)、F0(x)分别为面向融合灰度门限的灰度中值差分特征图在坐标x处的中智隶属度、不确定性度和非隶属度，Fmidmin为融合灰度门限的灰度中值差分特征图中的最小强度值，Fmidmax为融合灰度门限的灰度中值差分特征图中的最大强度值，Gl(x)为灰度图像经LOG滤波后的图像在坐标x处的强度值，Glmin和Glmax分别为经LOG滤波后的图像强度值的最小值和最大值；融合灰度门限的灰度中值差分特征图对应的中智置信图按下列公式计算：
上式中，N0(x)为融合灰度门限的灰度中值差分特征图对应的中智置信图在坐标x处的强度值。
5.根据权利要求3或4所述的面向结肠内窥镜反光区域检测的中智分析方法，其特征在于：所述步骤(4)中基于结肠区域均值差分特征图的中智隶属度、不确定性度以及非隶属度分别计算如下：
F1(x)＝1-T1(x)
上式中，T1(x)、I1(x)、F1(x)分别为面向图像黑边界滤除的结肠区域均值差分特征图坐标x处的中智隶属度、不确定性度和非隶属度，其中Fmmin为图像黑边界滤除的结肠区域均值差分特征图中的最小强度值，Fmmax为图像黑边界滤除的结肠区域均值差分特征图中的最大强度值，图像黑边界滤除的结肠区域均值差分特征图对应的中智置信图按下列公式计算：
上式中，N1(x)为图像黑边界滤除的结肠区域均值差分特征图对应的中智置信图在坐标x处的强度值。
6.根据权利要求5所述的面向结肠内窥镜反光区域检测的中智分析方法，其特征在于：
所述步骤(5)中反光区域坐标点集合按照下列公式获得：
SpecR＝{x|x∈D,N0(x)＞Th0||N1(x)＞Th1||G(x)＞Th2&S(x)＜Th3}
上式中，SpecR为最终获取的反光区域图像坐标点集合，S(x)为色调-饱和度-亮度颜色空间中饱和度通道特征图在坐标x处的强度值，其中Th0、Th1、Th2、Th3为阈值，Th0用于滤除融合灰度门限的灰度中值差分特征图对应的中智置信图中置信度低于Th0的区域，Th1用于滤除图像黑边界滤除的结肠区域均值差分特征图对应的中智置信图中置信度低于Th1的区域，Th2用于滤除灰度图像中强度值低于Th2的区域，Th3用于滤除饱和度通道特征图中强度值高于Th3的区域，符号“||”表示逻辑“或”运算，符号“&”表示逻辑“与”运算。

说明书全文

面向结肠内窥镜反光区域检测的中智分析方法

技术领域：

[0001] 本发明涉及计算机视觉技术领域中的特征区域提取方法，尤其涉及面向结肠内窥镜反光区域检测的中智分析方法。背景技术：

[0002] 人体肠道内部基本无光源，结肠内窥镜图像主要依赖主动投射光束获取。由于肠壁光滑，多数影像会存在反光区域。为避免反光区域对后续息肉检测造成影响，须对反光区进行有效检测。基于人工设计特征的传统息肉检测识别方法中，多数方法在分析前均首先对反光区进行处理，或在处理过程中考量反光区对设计特征的影响。基于深度学习的息肉检测方法也显示出其对反光区域的敏感性。当前的反光区检测基本是直接利用固定阈值，未充分利用多特征信息，且未考虑不同条件下反光区判定的不确定性(模糊性)，检测精度仍有待提升。此外，部分现有技术采用卷积神经网络进行反光区检测，此类算法需要巨量已标记区域的图像样本训练事先设计的网络结构，计算复杂度高，且容易陷入局部最优，对不同场景下的反光区检测适应性不强。总体来讲，反光区的检测精度会对后续结肠内窥镜图像恢复、病症区域识别等处理产生直接影响。充分利用多特征信息，以合理的方式描述不确定性，高效、鲁棒的检测反光区对后续处理十分必要。

[0003] 中智集是对模糊集、直觉模糊集的扩展和一般化，中智集增加了独立的不确定性度量，能够更好的表达模糊信息。单值中智集是中智集理论当中的重要分类。在单值中智集中，隶属度，不确定性度和非隶属度被用来描述决策信息，且三个分量完全独立。鉴于中智集理论能够更好的描述决策信息，近些年，众多基于中智集理论的多属性决策方法被相继提出并用于视觉分析中，取得了较好效果。然而，在结肠镜图像处理领域，尚没有相关处理方法提出，本发明专利主要提出了一种面向结肠内窥镜图像反光区域检测的多复合特征融合中智分析方法，取得了很好的检测效果。发明内容：

[0004] 本发明所要解决的技术问题是提供一种框架简单、执行效率高、抗噪性能好，能够较好完成复杂光照条件下的面向结肠内窥镜图像反光区域检测的多复合特征融合中智分析方法，本发明适用于实时内窥镜图像反光区域检测分析，为后续反光区恢复、病灶区域识别等任务服务。

[0005] 为了实现上述发明目的，本发明所采用的技术方案为：

[0006] 面向结肠内窥镜反光区域检测的中智分析方法，包括以下步骤：

[0007] (1)将原图像颜色空间转换至灰度空间和色调-饱和度-亮度颜色空间；

[0008] (2)在灰度空间计算生成融合灰度门限的灰度中值差分特征图；

[0009] (3)在灰度空间计算图像黑边界滤除的结肠区域均值差分特征图；

[0010] (4)结合LOG特征图，计算基于灰度中值差分特征图的中智隶属度、不确定性度和非隶属度，利用中智相似度求得灰度中值差分特征图所对应的中智置信图；结合LOG特征图，计算基于结肠区域均值差分特征图的中智隶属度、不确定性度和非隶属度，利用中智相似度求得结肠区域均值差分特征图所对应的中智置信图；

[0011] (5)将灰度中值差分特征图所对应的中智置信图信息、结肠区域均值差分特征图所对应的中智置信图信息、图像饱和度信息以及灰度信息进行融合，通过多阈值判断获得反光区域坐标点集合。

[0012] 进一步设置，所述步骤(2)灰度中值差分特征图的获得方法为：利用中值滤波器对灰度图像进行滤波处理，滤波窗口宽度设定为w，按照下列公式计算：

[0013]

[0014] 上式中，Fmid(x)为融合灰度门限的灰度中值差分特征图x坐标处的强度值，G(x)和Gmid(x)分别为灰度图像和经中值滤波后图像在x坐标处的强度值，采用大尺度中值滤波将图像中的反光区域滤除，t0为阈值。

[0015] 进一步设置，所述步骤(3)结肠区域均值差分特征图的获得方法为：按照下列公式计算图像黑边界滤除的结肠区域均值差分特征图x坐标处的强度值Fm(x)，

[0016]

[0017] 上式中，mv为结肠区域均值，mv按照下列公式计算：

[0018]

[0019] 上式中，集合P为图像中满足对应灰度值大于t1的所有像素点集合，|P|表示集合P包含的像素点的总数量，D为图像所有像素坐标集合，t1为阈值，图像经阈值分割后滤除黑边界区域。

[0020] 进一步设置，所述步骤(4)中基于灰度中值差分特征图的中智隶属度、不确定性度以及非隶属度分别计算如下：

[0021]

[0022] 上式中，T0(x)、I0(x)、F0(x)分别为面向融合灰度门限的灰度中值差分特征图在坐标x处的中智隶属度、不确定性度和非隶属度，Fmidmin为融合灰度门限的灰度中值差分特征图中的最小强度值，Fmidmax为融合灰度门限的灰度中值差分特征图中的最大强度值，Gl(x)为灰度图像经LOG滤波后的图像在坐标x处的强度值，Glmin和Glmax分别为经LOG滤波后的图像强度值的最小值和最大值；融合灰度门限的灰度中值差分特征图对应的中智置信图按下列公式计算：

[0023]

[0024] 上式中，N0(x)为融合灰度门限的灰度中值差分特征图对应的中智置信图在坐标x处的强度值。

[0025] 进一步设置，所述步骤(4)中基于结肠区域均值差分特征图的中智隶属度、不确定性度以及非隶属度分别计算如下：

[0026]

[0027] 上式中，T1(x)、I1(x)、F1(x)分别为面向图像黑边界滤除的结肠区域均值差分特征图坐标x处的中智隶属度、不确定性度和非隶属度，其中Fmmin为图像黑边界滤除的结肠区域均值差分特征图中的最小强度值，Fmmax为图像黑边界滤除的结肠区域均值差分特征图中的最大强度值，图像黑边界滤除的结肠区域均值差分特征图对应的中智置信图按下列公式计算：

[0028]

[0029] 上式中，N1(x)为图像黑边界滤除的结肠区域均值差分特征图对应的中智置信图在坐标x处的强度值。

[0030] 进一步设置，所述步骤(5)中反光区域坐标点集合按照下列公式获得：

[0031] SpecR＝{x|x∈D,N0(x)＞Th0||N1(x)＞Th1||G(x)＞Th2&S(x)＜Th3}[0032] 上式中，SpecR为最终获取的反光区域图像坐标点集合，S(x)为色调-饱和度-亮度颜色空间中饱和度通道特征图在坐标x处的强度值，其中Th0、Th1、Th2、Th3为阈值，Th0用于滤除融合灰度门限的灰度中值差分特征图对应的中智置信图中置信度低于Th0的区域，Th1用于滤除图像黑边界滤除的结肠区域均值差分特征图对应的中智置信图中置信度低于Th1的区域，Th2用于滤除灰度图像中强度值低于Th2的区域，Th3用于滤除饱和度通道特征图中强度值高于Th3的区域，符号“||”表示逻辑“或”运算，符号“&”表示逻辑“与”运算。

[0033] 由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：

[0034] 第一，本发明涉及的计算均可以通过矩阵计算完成，且均可采用并行计算模式，计算复杂度低、效率高，能够满足高分辨率实时分析需求。

[0035] 第二，本发明利用中智集理论，分别将融合灰度门限的灰度中值差分特征图和图像黑边界滤除的结肠区域均值差分特征图引入，同时考虑以LOG特征为表征的反光区域不确定特征，构建面向上述两种差分特征图的中智隶属度、不确定性度和非隶属度，最终生成两种相应的中智置信图，有效提升了检测算法的抗噪性能。

[0036] 第三，本发明综合利用多阈值融合两种中智置信图信息、图像饱和度信息和灰度信息，各特征信息空间具有互补性，有效提升了算法的总体抗噪性能和检测精度。

[0037] 以下通过附图和具体实施方式对本发明做进一步阐述。附图说明：

[0038] 图1为本发明分析方法流程图。具体实施方式：

[0039] 本实施例公开一种面向结肠内窥镜图像反光区域检测的多复合特征融合中智分析方法，如图1所示，主要包括以下步骤：首先读取结肠内窥镜图像数据；然后将图像颜色空间转换至灰度空间和HSI(Hue-Saturation-Intensity，色调-饱和度-亮度)颜色空间，在灰度空间计算生成融合灰度门限的灰度中值差分特征图，以及图像黑边界滤除的结肠区域均值差分特征图；结合LOG(Laplacian-of-Gaussian)特征图，分别计算面向上述两种差分特征图的中智隶属度、不确定性度和非隶属度，分别利用中智相似度求得所对应的中智置信图，最后以此为基础，通过多阈值融合中智置信图信息、图像饱和度信息和灰度信息，最终完成对反光区域的检测。以下通过具体的实施例来进一步说明本发明的实现过程。

[0040] 步骤一：计算机终端以RGB格式读取内窥镜图像数据。

[0041] 步骤二：将图像RGB颜色空间转换至灰度空间和HSI颜色空间。

[0042] 步骤三：计算生成融合灰度门限的灰度中值差分特征图：

[0043] 首先利用中值滤波器对灰度图像进行滤波处理，滤波窗口宽度设定为w，由于反光区域灰度强度值很大，经滤波后，反光区域基本被滤除，融合灰度门限的灰度中值差分特征图按下式获得：

[0044]

[0045] 上式中，Fmid(x)为融合灰度门限的灰度中值差分特征图x坐标处的强度值，G(x)和Gmid(x)分别为灰度图像和经中值滤波后图像在x坐标处的强度值，采用大尺度中值滤波将图像中的反光区域滤除，t0为阈值。本实施例滤波窗口w设定为31，t0设定为0.65。

[0046] 步骤四：计算图像黑边界滤除的结肠区域均值差分特征图：

[0047]

[0048] 上式中，Fm(x)为图像黑边界滤除的结肠区域均值差分特征图x坐标处的强度值，mv为结肠区域均值，按照下式计算获得：

[0049]

[0050] 其中集合P为图像中满足对应灰度值大于t1的所有像素点集合，|P|表示集合P包含的像素点的总数量，D为图像所有像素坐标集合，t1为阈值，图像经阈值分割后滤除黑边界区域。本实施例t1设定为0.15。

[0051] 步骤五：计算面向融合灰度门限的灰度中值差分特征图在坐标x处的中智隶属度、不确定性度和非隶属度，以及相应的中智置信图：

[0052] 计算面向融合灰度门限的灰度中值差分特征图在坐标x处的中智隶属度不确定性度非隶属度F0(x)＝1-T0(x)，Fmidmin为融合灰度门限的灰度中值差分特征图中的最小强度值，Fmidmax为融合灰度门限的灰度中值差分特征图中的最大强度值，Gl(x)为灰度图像经LOG滤波后的图像在坐标x处的强度值，Glmin和Glmax分别为经LOG滤波后的图像强度值的最小值和最大值。

[0053] 面向融合灰度门限的灰度中值差分特征图对应的中智置信图在坐标x处的强度值如下：

[0054]

[0055] 本实施例LOG算子对应结构元素为：

[0056] 对灰度图做LOG滤波等价于将相应结构元素与灰度图像进行卷积运算。

[0057] 步骤六：计算图像黑边界滤除的结肠区域均值差分特征图在坐标x处的中智隶属度、不确定性度和非隶属度，以及相应的中智置信图：

[0058] 计算面向图像黑边界滤除的结肠区域均值差分特征图坐标x处的中智隶属度不确定性度非隶属度F1(x)＝1-T1(x)，其中Fmmin为图像黑边界滤除的结肠区域均值差分特征图中的最小强度值，Fmmax为图像黑边界滤除的结肠区域均值差分特征图中的最大强度值，相应中智置信图在坐标x处的强度值为：

[0059]

[0060] 步骤七：综合利用多阈值融合上述两种中智置信图信息、图像饱和度信息和灰度信息，提取反光区域。通过多阈值融合中智置信图信息、饱和度信息和灰度信息，最终确定反光区域坐标点集合：

[0061] SpecR＝{x|x∈D,N0(x)＞Th0||N1(x)＞Th1||G(x)＞Th2&S(x)＜Th3}，[0062] S(x)为色调-饱和度-亮度颜色空间中饱和度通道特征图在坐标x处的强度值，其中Th0、Th1、Th2、Th3为阈值，Th0用于滤除融合灰度门限的灰度中值差分特征图对应的中智置信图中置信度低于Th0的区域，Th1用于滤除图像黑边界滤除的结肠区域均值差分特征图对应的中智置信图中置信度低于Th1的区域，Th2用于滤除灰度图像中强度值低于Th2的区域，Th3用于滤除饱和度通道特征图中强度值高于Th3的区域，符号“||”表示逻辑“或”运算，符号“&”表示逻辑与运算。本实施例Th0、Th1、Th2、Th3分别设定为0.4、0.8、0.9和0.29。

[0063] 以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围中。

标题	发布/更新时间	阅读量
一种虚拟现实VR界面生成的方法和装置	2020-05-08	507
一种打印预览图片生成方法、装置、设备和存储介质	2020-05-11	688
OLED背板的制作方法及OLED背板	2020-05-08	535
显示面板及液晶显示装置	2020-05-11	112
三维物体子结构	2020-05-08	207
双酚组合物及其制造方法、以及聚碳酸酯树脂及其制造方法	2020-05-08	152
定制对象预警控制装置	2020-05-11	141
集成吊顶安装结构	2020-05-08	253
图像形成装置及图像形成装置的控制方法	2020-05-08	247
表面状态检查装置	2020-05-08	134

面向结肠内窥镜反光区域检测的中智分析方法

面向结肠内窥镜反光区域检测的中智分析方法

该功能需要专业版企业版VIP权限，您可以：