本發(fā)明屬于計算機應(yīng)用技術(shù)領(lǐng)域，具體涉及一種膠囊內(nèi)窺鏡圖像識別方法。

背景技術(shù)：

小腸不但是消化道最長的空腔臟器(3.35-7.85m)，也是最彎曲、活動度最大的臟器。目前除了部分區(qū)域可以用常規(guī)胃鏡結(jié)腸鏡檢查外，其它部分是整個胃腸道檢查中最難到達(dá)的部分，因此小腸疾病的診斷和治療遠(yuǎn)落后于胃腸道其他部位。膠囊內(nèi)窺鏡的發(fā)明極大的改觀了這種問題。膠囊內(nèi)窺鏡在消化道內(nèi)運動，可以獲取病患消化道內(nèi)全小腸段的圖像，突破了小腸檢查的盲區(qū)，大大提高了消化道疾病診斷檢出率，輔助醫(yī)生做出更加科學(xué)和有效地診斷和進(jìn)一步治療。

但是膠囊內(nèi)窺鏡只能隨腸道的蠕動而運動，而腸道蠕動一般較緩慢，導(dǎo)致膠囊內(nèi)窺鏡檢查提取了幾萬張的消化道圖像，其中實際的病變圖像一般不到其總數(shù)的1％。而且絕大多數(shù)的圖像都是正常的消化道圖像，但是醫(yī)生仍需要花費很長時間進(jìn)行瀏覽，從中挑出出血和病變的圖像，同時還需要兩個醫(yī)生進(jìn)行重復(fù)閱片，這是一項極其費時費力的工作。此外由于醫(yī)生同時要對多個圖像進(jìn)行觀察，加上觀察時間短，很容易導(dǎo)致漏診甚至是錯診從而影響到對病人的治療。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是：提供一種膠囊內(nèi)窺鏡圖像識別方法，所述方法基于顏色特征和紋理特征，通過分類器進(jìn)行機器學(xué)習(xí)的方式來進(jìn)行圖像識別和分類，準(zhǔn)確度高，分類明確，可以判斷復(fù)雜圖像，能夠有效的識別出出血和病變的照片，減少醫(yī)務(wù)人員的工作量，縮短醫(yī)務(wù)人員的觀察時間，為醫(yī)務(wù)人員做出科學(xué)的醫(yī)學(xué)診斷參考，避免因照片多、閱片時間短導(dǎo)致漏診甚至錯診現(xiàn)象的發(fā)生，進(jìn)而影響到對病人的治療。

本發(fā)明解決技術(shù)問題的技術(shù)方案如下：

本發(fā)明是一種膠囊內(nèi)窺鏡圖像識別方法，包括以下步驟：

a.圖像獲取：獲取膠囊內(nèi)窺鏡拍攝的圖像；

b.圖像預(yù)處理：對獲取到的圖像進(jìn)行預(yù)處理并挑選出有效的照片，同時刪除無效的照片；

c.圖像顏色特征提?。涸趆sv顏色空間下的采用顏色矩方法提取圖像的顏色特征；

d.圖像紋理特征提?。涸趆sv顏色空間下提取圖像的紋理特征；

e.圖像特征融合：將步驟c提取的顏色特征和步驟d提取的紋理特征進(jìn)行融合并獲得新特征；

f.圖像分類處理：采用融合后的新特征對分類器進(jìn)行分類訓(xùn)練，然后利用該分類器對預(yù)處理過的照片進(jìn)行分類并識別出出血照片和病變的照片。

進(jìn)一步地，所述步驟b中圖像預(yù)處理包括圖像增強和圖像場景分類。

進(jìn)一步地，所述步驟c中圖像顏色特征提取采用圖像在hsv顏色空間下的三階顏色距作為顏色特征。

進(jìn)一步地，所述步驟d中圖像紋理特征提取是在hsv顏色空間下采用contourlet變換提取圖像的紋理特征。

進(jìn)一步地，所述步驟f中對預(yù)處理圖像進(jìn)行分類是指將圖像分為無效圖像、正常圖像、出血圖像和病變圖像。

進(jìn)一步地，所述步驟f中采用融合后的新特征對分類器進(jìn)行分類訓(xùn)練，該分類器采用支持向量機算法思想，其具體步驟如下：

1)將內(nèi)窺鏡圖像提前進(jìn)行人工分類，然后存入不同的文件夾中；

2)讀取內(nèi)窺鏡圖像中規(guī)定的mask圖像；

3)讀取各文件夾里的已分類的內(nèi)窺鏡圖像，利用上一步驟中的mask圖像對各類別圖像進(jìn)行遮擋并提取所有圖像的特征，同時按照類別進(jìn)行分類；

4)將所有原圖像進(jìn)行亂序處理，用一半圖像特征來對分類器進(jìn)行機器學(xué)習(xí)，即將該用于訓(xùn)練的圖像特征輸入分類器進(jìn)行機器學(xué)習(xí)；另一半圖像特征來驗證分類器的效果和性能，即將該待分類的圖像特征輸入訓(xùn)練好的分類器進(jìn)行分類并得到結(jié)果；

5)將分類結(jié)果與人工分類的結(jié)果進(jìn)行對比，達(dá)到要求后即完成分類器的分類訓(xùn)練。

進(jìn)一步地，所述步驟1)中將內(nèi)窺鏡圖像提前進(jìn)行人工分類，是指將圖像分為無效圖像、正常圖像、出血圖像和病變圖像。

本發(fā)明的有益效果是：本發(fā)明采用hsv色彩空間顏色特征和紋理特征提取方法對膠囊內(nèi)窺鏡圖像進(jìn)行分析，并利用顏色特征和紋理特征融合后的新特征對基于支持向量機算法的分類器進(jìn)行機器學(xué)習(xí)以實現(xiàn)該分類器對內(nèi)窺鏡圖像的識別和分類，避免人工分類識別費時費力的問題，幫助醫(yī)生快速做出科學(xué)的醫(yī)學(xué)診斷；本發(fā)明采用對hsv色彩空間下顏色特征和紋理特征兩種特征對圖像進(jìn)行識別和分類可以避免單一特征識別出現(xiàn)的準(zhǔn)確度不高、分類不明確、無法判斷復(fù)雜圖像等問題。

附圖說明

圖1是本發(fā)明中所述膠囊內(nèi)窺鏡圖像識別方法流程圖；

圖2是本發(fā)明中所述分類器訓(xùn)練流程圖；

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述。

如圖1所示，本發(fā)明一種膠囊內(nèi)窺鏡圖像識別方法，包括以下步驟：

a.圖像獲?。韩@取膠囊內(nèi)窺鏡拍攝的圖像；首先獲取患者消化道的內(nèi)窺鏡圖像，通過無線膠囊內(nèi)窺鏡對患者的消化道進(jìn)行拍照，然后將拍到的照片傳輸出后臺進(jìn)行處理；

b.圖像預(yù)處理：對獲取到的圖像進(jìn)行預(yù)處理并挑選出有效的照片，同時刪除無效的照片；本實施例圖像預(yù)處理包括圖像增強和場景分類，膠囊內(nèi)窺鏡采集的彩色圖像在獲取過程中必然會產(chǎn)生降質(zhì)和退化，所以需要對其進(jìn)行增強處理，使其更適合醫(yī)生觀察和診斷，同時對圖像進(jìn)行場景分類處理，通過定位幽門和回盲瓣的位置來幫助篩選出圖像中屬于小腸的場景圖像；

c.圖像顏色特征提?。涸趆sv顏色空間下的采用顏色矩方法提取圖像的顏色特征；hsv顏色空間有三個通道分量，分別為通道h(色調(diào))、通道s(飽和度)和通道v(亮度)；在hsv顏色空間下，觀察通道分量的特征圖我們可以看出，h分量顏色矩的前3階的特征值出現(xiàn)小幅度的波動，但是在第3階以后，顏色矩的特征值與其階數(shù)成正相關(guān)；此外通過特征圖還可以看出，s分量和v分量顏色矩的前3階特征值變化較大，而在4～9階由于規(guī)律性的存在，s分量和v分量的差異度不大；綜合考慮到三個通道分量的變化因素，本實施例最后選擇提取三階顏色距的特征值作為顏色特征的特征向量。

d.圖像紋理特征提?。涸趆sv顏色空間下提取圖像的紋理特征；正常圖像和異常圖像的紋理特征存在著部分差異，所以可以通過紋理特征提取步驟得到兩者的紋理特征；contourlet變換能在任意尺度上實現(xiàn)任意方向的分解，擅長描述圖像中的輪廓和方向性紋理信息；本實施例采用contourlet變換提取紋理特征將內(nèi)窺鏡圖像轉(zhuǎn)換到hsv顏色空間下，同時為了更加詳細(xì)地描述內(nèi)窺鏡圖像不同方向上的紋理信息，并考慮到特征向量的維數(shù)過大會降低分類效果，該步驟分別對每個顏色通道進(jìn)行8個方向的子帶分解，總共24個子帶；最后對這所有的子帶分別求3階矩，將得到的新特征向量(72維)作為圖像的紋理特征向量；

e.圖像特征融合：將步驟c提取的顏色特征和步驟d提取的紋理特征進(jìn)行融合并獲得新特征；將顏色矩與contourlet變換進(jìn)行融合，是一種顏色特征與紋理特征相結(jié)合的方法；本實施例在hsv顏色空間下對每個顏色通道進(jìn)行contourlet變換，然后對變換后的圖像分別提取三階顏色矩，最后獲得具有顏色特征和紋理特征的新特征向量，將該特征向量作為分類器進(jìn)行機器學(xué)習(xí)和分類的依據(jù)。

f.圖像分類處理：采用融合后的新特征對基于支持向量機算法思想的分類器進(jìn)行分類訓(xùn)練，然后利用該分類器對預(yù)處理過的照片進(jìn)行分類并識別出出血照片和病變的照片。該分類器經(jīng)過分類訓(xùn)練后，即可對經(jīng)預(yù)處理過的內(nèi)窺鏡獲取的圖像進(jìn)行識別和分類，速度快，效率高。

本實施例中，所述步驟f中對預(yù)處理圖像進(jìn)行分類是指將圖像分為無效圖像、正常圖像、出血圖像和病變圖像。

本實施例中所述步驟f中采用融合后的新特征對對基于支持向量機算法思想的分類器進(jìn)行分類訓(xùn)練，即采用線性分類方法，如圖2所示，其具體步驟如下：

1)將內(nèi)窺鏡圖像提前進(jìn)行人工分類，然后存入不同的文件夾中；這里的對內(nèi)窺鏡圖像的人工分類是將圖像分為無效圖像、正常圖像、出血圖像和病變圖像；

2)讀取內(nèi)窺鏡圖像中規(guī)定的mask圖像；

3)讀取各文件夾里的已分類的內(nèi)窺鏡圖像，利用上一步驟中的mask圖像對各類別圖像進(jìn)行遮擋并提取所有圖像的特征，同時按照類別進(jìn)行分類；

4)將所有原圖像進(jìn)行亂序處理，用一半圖像特征來對分類器進(jìn)行機器學(xué)習(xí)，即將該用于訓(xùn)練的圖像特征輸入分類器進(jìn)行機器學(xué)習(xí)；另一半圖像特征來驗證分類器的效果和性能，即將該待分類的圖像特征輸入訓(xùn)練好的分類器進(jìn)行分類并得到結(jié)果；

5)將分類結(jié)果與人工分類的結(jié)果進(jìn)行對比，達(dá)到要求后即完成分類器的分類訓(xùn)練。

本實施例中，所述步驟2)中的mask(掩膜)是一種用選定的圖像、圖形或物體，對處理的圖像(全部或局部)進(jìn)行遮擋，來控制圖像處理的區(qū)域或處理過程，是一種常用的一種圖像處理方法；通過讀取該規(guī)定的mask圖像，可以減少提取圖像特征時的復(fù)雜度和工作量，當(dāng)該mask圖像對需要處理的圖像進(jìn)行遮擋后，我們就可以提取到有效的圖像特征，排除無效特征的干擾；所述步驟3)是通過步驟2)中的規(guī)定mask圖像對文件夾中的圖像進(jìn)行遮擋并提取所有內(nèi)窺鏡圖像的有效的圖像特征，并作為后續(xù)步驟中分類器的機器學(xué)習(xí)及分類的依據(jù)。

盡管已經(jīng)示出和描述了本發(fā)明的實施例，對于本領(lǐng)域的普通技術(shù)人員而言，可以理解在不脫離本發(fā)明的原理和精神的情況下可以對這些實施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由所附權(quán)利要求及其等同物限定。