基于視覺注意機制的內窺圖像中病灶定位方法技術

一種基于視覺注意機制的內窺圖像中病灶定位方法，包括如下步驟：內窺圖像視野邊沿平滑與去噪預處理；基于視覺感知的顏色空間轉換；各通道特征顯著圖的計算；特征顯著圖融合與合成；種子值計算與顯著區域的選擇與轉移。本發明專利技術算法基于人類視覺注意機制，將提高內窺圖像中病灶區域確定的準確度；將濾除那些非顯著的圖像區域，并且按照視覺顯著度程度排列待識別區域，將極大地降低模式識別的計算量；基于視覺感知的顏色Luv空間，最大程度地利用了內窺圖像的顏色信息，而顏色信息是病灶區域診斷的重要信息，從而提高了病灶區域確定的準確度和特異度。

【技術實現步驟摘要】

本專利技術涉及醫學圖像模式識別分析領域，特別涉及一種內窺圖像中病灶區域的定 位方法。
技術介紹
消化道疾病越來越嚴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 消化道系統的疾病直接或間接導致，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，所以內窺鏡是比較直接有 效的方法。然而傳統的插入式內窺鏡如腸鏡、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，同時插入式內窺鏡使用不方便，會給病人帶來疼痛，而且有腸穿 孔的危險。隨著半導體技術、傳感技術、LED照明技術、無線通信與微控制技術的發展，為無 線膠囊內窺鏡的出現和普及奠定了基礎。無線膠囊內窺鏡由微型圖像傳感器、照明模塊、無 線發射模塊、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 視場內的腸壁，同時圖像傳感器通過短焦距鏡頭獲得腸道內壁的圖像，并將圖像數據發射 出體外。膠囊內窺鏡持續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，不會為病人帶來任何疼痛與不便，而且不存在檢測盲區，實現了無痛無創 全消化道檢測。正是由于這些優點膠囊內窺鏡作為一種新型的消化道檢測技術越來越多地 在臨床中得到應用。 膠囊內窺鏡在人體內的工作時間大約為8小時，患有胃腸道疾病的人代謝時間會 更長，所以一次檢測將產生至少2X3600X8 = 57600幀圖像。在如此巨大數量的視頻圖像 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漏檢的情況。所以利用圖像處理 與模式識別技術實現計算機智能出血圖象識別是一個必然的趨勢。由于內窺圖像為人體消 化道圖像，情況非常復雜，使用模式識別的智能識別技術非常依賴于病灶區域的確定，病灶 定位已成為智能模式識別成功與否的前期基礎，將直接決定識別結果的好壞。傳統的圖像 分析方法將圖像中所有區域都被賦予相同的優先級，然而很多圖像分析所關心的內容通常 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雜性。人類視覺系統在 面對復雜場景時，注意力會迅速被少數顯著的視覺對象所吸引，并對這些對象進行優先處 理。將這種機制引入到內窺圖像的病灶區域尋找與識別是非常必要的，它可以提供容易引 起觀察者注意的圖像區域信息，減少后期模式識別的復雜度，提高模式識別的準確度和特 異度。
技術實現思路
現有的對于內窺圖像病灶識別技術的研究都集中在具體的模式識別技術上面，但 是由于內窺圖像非常復雜，往往由于病灶區域無法準確定位，導致各種識別方法特異度不 高，誤判率較高，為了克服病灶區域無法準確定位的難題，本專利技術基于視覺注意機制，提供 了一種內窺圖像中病灶區域的識別、確定、轉移以及種子值的計算的定位方法。該方法計算 快速、準確，可用于內窺圖像中病灶區域的識別應用中。 為了解決上述技術問題提供的技術方案為： -種，包括如下步驟： a.內窺圖像視野邊沿平滑與去噪預處理 將內窺鏡檢測視頻分幅輸入，得到單幅內窺圖像，首先按內窺鏡的視野參數將圖 像的邊沿黑邊平滑處理，得到邊界清晰的內窺圖像，然后進行圓形圖像區域的去噪預處理， 去掉待處理圖像區域的噪聲； b.基于視覺感知的顏色空間轉換 步驟a中得到的預處理RGB圖像是基于設備的顏色空間，將其轉換到基于視覺感 知的Luv顏色空間； c.特征顯著圖的提取 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，得到圖像中顯著內容的邊沿區域，計算輪廓特征顯著圖 〇(c, s); d.特征顯著圖融合與合成 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; e，顯著區域的選擇與轉移 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 域，然后按照區域面積大小的順序排列顯著度程度，即疑似病灶區域，最后計算病灶區域的 種子值，供后續的模式識別使用，以篩除或確認病灶的類別。 進一步，所述步驟a中，內窺圖像視野平滑處理過程如下：先將數字圖像坐標原點 (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，然后對圖像內像 素進行掃描，當其距幾何原點的長度大于膠囊內窺系統視野半徑R時，則將其過濾為圖像 視野之外。 采用中值濾波器算法對膠囊內窺圖像進行預處理，濾除內窺圖像中的噪聲。 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： L (c，s) = | L (c) Θ L (s) | uv(c, s) = I (u(c)-v(c)) Θ (v(s)-v(s)) 0(c, s) = | 0(c) 0〇(s) 其中中心尺度取c = {2, 3, 4}，四周尺度取s = {2, 6, 8}。 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： 再然后將各分量的顯著度融合圖Γ,、采用規則化算子N( ·)得到規則化 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： 所述的規則化算子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則化到固定區域，然后分別計算區域的局部最大值 的平均值：并將圖中每個位置的值乘以放大系數(.￥ - :)2。 更進一步，所述步驟e中，所述的區域種子值計算采用中位數的統計方法，在步驟 e中所確定的疑是病灶區域內統計各個像素L，u，v分量的中位數M (L)，M (u)，M (v)，然后使 用該中位數構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。 與現有技術相比，本專利技術的有益效果是： 1，本專利技術的內窺圖像中病灶區域定位算法基于人類視覺注意機制，克服了內窺圖 像情況復雜，智能模式識別方法中病灶區域難以聚焦的困難，將提高內窺圖像中病灶區域 確定的準確度。 2,傳統模式識別方法將圖像中所有區域都賦予相同的優先級，模式識別算法的計 算量很大，本專利技術方法的將濾除那些非顯著的圖像區域，并且按照視覺顯著度程度排列待 識別區域，將極大地降低模式識別的計算量。 3,本專利技術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 窺圖像的顏色信息，而顏色信息是病灶區域診斷的重要信息，提高了病灶區域確定的準確 度和特異度。本文檔來自技高網...

【技術保護點】
一種基于視覺注意機制的內窺圖像中病灶定位方法，其特征在于：所述定位方法包括如下步驟：a.內窺圖像視野邊沿平滑與去噪預處理將內窺鏡檢測視頻輸入，分幅得到單幅內窺圖像，首先按內窺鏡的視野參數將圖像的邊沿黑邊平滑處理，得到邊界清晰的內窺圖像，然后進行圓形圖像區域的去噪預處理，去掉待處理圖像區域的噪聲；b.基于視覺感知的顏色空間轉換步驟a中得到的預處理RGB圖像是基于設備的顏色空間，將其轉換到基于視覺感知的Luv顏色空間；c.特征顯著圖的計算以步驟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，得到圖像中顯著內容的邊沿區域，計算輪廓特征顯著圖O(c,s)；d.特征顯著圖融合與合成對步驟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O(c,s)分別在多尺度下進行規則化運算，然后進行各個特征顯著圖的融合，得到圖像的顯著度圖S；e，顯著區域的選擇與轉移以步驟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域，然后按照區域面積大小的順序排列顯著度程度，即疑似病灶區域，最后計算病灶區域的種子值，供后續的模式識別使用，以篩除或確認病灶的類別。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：潘國兵，湯文軒，歐陽靜，陳金鑫，
申請(專利權)人：浙江工業大學，
類型：發明
國別省市：浙江;33