一种检测活体内色度异常的方法技术

本发明专利技术公开了一种检测活体内色度异常的方法，包括：步骤1，将图像转换到HSV颜色空间和RGB颜色空间，从所述HSV颜色空间和RGB颜色空间中提取图像的光谱特征，筛选出光谱特征符合预设条件的像素点，该像素点为初筛像素点；步骤2，利用BP神经网络数学模型对所述初筛像素点进行再次筛选，得到色度异常的像素点，该像素点为异常像素点；步骤3，图像中连续分布的异常像素点组成异常块，获取各异常块中的异常像素点的数量，其中异常像素点数量最多的异常块定义为最大异常块，将最大异常块与色度异常图像的预设阈值进行比较，根据设置阈值进行判断色度异常图像或者为色度正常图像。本发明专利技术判断异常块准确快速。

【技术实现步骤摘要】
一种检测活体内色度异常的方法
本专利技术涉及医药医疗领域，尤其涉及一种检测活体内色度异常的方法。
技术介绍
消化道疾病大多会引起消化道粘膜色度或结构的改变，消化道粘膜色度异常可能由出血引起，而出血可以是消化道本身的炎症、溃疡、机械性损伤、血管病变、肿瘤等因素引起，也可因邻近器官的病变和全身性疾病累及消化道所致。用于检测出血的方法目前已知的有内镜检查，血管造影，X线钡剂检查，放射性核素显像等方法，但是，内镜检查难以到达小肠，而其他方法对较小的出血病因部位的诊断有一定的困难。针对以上问题，本专利技术提供一种检测活体内色度异常的方法，用于检测由出血引起的消化道内色度异常的改变。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题，特别提出了一种检测活体内色度异常的方法。为了实现本专利技术的上述目的，本专利技术提供了一种检测活体内色度异常的方法，其关键在于，包括如下步骤：步骤1，将图像转换到HSV颜色空间和RGB颜色空间，分别从所述HSV颜色空间和RGB颜色空间中提取图像光谱特征数据，首先筛选出符合图像光谱特征数据预设条件的像素点，该像素点定义为初筛像素点；步骤2，利用BP神经网络数学模型对所述初筛像素点进行再次筛选，得到色度异常像素点，该像素点定义为异常像素点；步骤3，图像中连续分布的异常像素点组成异常块，获取各异常块中的异常像素点的数量，其中异常像素点数量最多的异常块定义为最大异常块，将最大异常块与色度异常图像的预设阈值进行比较，所述最大异常块的异常像素点数量如果大于所述预设阈值则说明所述图像为色度异常图像，如果小于所述预设阈值则说明所述图像为色度正常图像。所述的检测活体内色度异常的方法，优选的，所述步骤1包括：步骤1-1，计算机医用影像工作站接收来自便携式图像记录仪数据存储单元的图像数据，将存储单元的图像数据转换为HSV颜色空间和RGB颜色空间，获得在HSV颜色空间中整幅图像的平均色调值H_avg，平均饱和度值S_avg，获得在RGB颜色空间中整幅图像的红色分量平均值R_avg，绿色分量平均值G_avg，蓝色分量平均值B_avg，从所述HSV颜色空间和RGB颜色空间中提取该图像的图像光谱特征数据，所述图像光谱特征数据作为所述预设条件的像素点阈值设定基础；步骤1-2，所述存储单元的图像数据中，单一像素点的像素点光谱特征数据是HSV颜色空间中像素点的色调值H，饱和度值S，亮度值V，以及在RGB颜色空间中像素点的红色分量R，绿色分量G，蓝色分量B，如果该像素点光谱特征数据在图像光谱特征数据范围内，将该像素点筛选出来，该像素点定义为初筛像素点。所述的检测活体内色度异常的方法，优选的，所述预设条件为图像中各个像素点的色调值H满足在区间[0°，30°]或[340°，360°]之间，饱和度值S在区间[0.5，1.0]内，亮度值V在区间[0.25，1.0]内，用公式表示为：其中，p(x，y)为图像中的任意一个像素点，H，S，V是HSV颜色空间中每个图像像素点的色调值、饱和度值和亮度值；通过以上的条件筛选后，能够检测图像中色度异常的像素点，但同时引入了大量色度正常的像素点，所述预设条件根据提取的图像光谱特征作进一步调整，由公式：计算出新的色调门限阈值H_th，判断像素点p(x，y)是否为色度异常像素点的条件变为：为进一步减小对色度异常像素点的误检，在RGB颜色空间中，对以上所述筛选出的色度异常像素点通过公式：进一步筛选，得到所述的初筛像素点。所述的检测活体内色度异常的方法，优选的，所述步骤2包括：步骤2-1，所述BP神经网络数学模型包括输入层、输出层、隐含层，采集活体内图像中色度异常像素点和色度正常像素点的R、G、B值，作为BP神经网络输入层的三维特征向量输入，选择样本S{x1,x2,...,xn}为神经网络的训练样本，其中，xi,i＝1,2,...,n为三维特征向量，即像素的RGB向量值，n为样本个数；输出层为一维特征向量T＝{m1,m2,...,mn},mi＝0,1为像素点对应的结果输出，0表示色度正常，1表示色度异常，BP神经网络的中间层考虑到计算的复杂度，中间层采用一层，神经元设为5个，BP神经网络中的传递函数是反映下层输入对上层节点刺激脉冲强度的函数又称刺激函数，采用Sigmoid函数，即步骤2-2，将初筛像素点输入到经过步骤2-1训练完成的BP神经网络中，对每个初筛像素点进行判断，直到整幅图像结束，检测出整幅图像中真正的异常像素点。所述的检测活体内色度异常的方法，优选的，所述步骤3连续分布的异常像素点是指所述异常像素点周围八个像素点内至少存在一个色度异常像素点，则表示这两个异常像素点连续。所述的检测活体内色度异常的方法，优选的，所述步骤3中的色度异常图像的预设阈值能够调节，所述预设阈值越小，检测出的异常块也越小，这样，通过所述预设阈值的调节，检测出含有较小色度异常块的图像，减小漏检的概率。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：计算机医用影像工作站接收来自记录仪中的图像数据，通过色空间转换过程，将图像数据转换到HSV和RGB两种颜色空间，并分别提取出图像的光谱特征，根据预先设定的色度异常像素点的判断条件，初步筛选出图像中满足所述预设条件的像素点，这些点定义为初筛像素点，为了提高准确性，再对所述初筛像素点利用BP(BackPropagationNetwork后向传播)神经网络数学模型对其进一步判断，得到色度异常的像素点，这些点定义为异常像素点，最后分别统计出由连续异常像素点组成的异常块中所含的像素点个数，找到含有最多连续异常像素点的区域，再与色度异常图像预设值进行比较，得到整幅图像是否为色度异常图像的结论，通过处理器将整个消化道内存在色度异常的图像显示出来。本专利技术将颜色空间中的图像光谱信息与BP神经网络学习方法结合起来，能够弥补如果仅采用BP神经网络用于检测色度异常像素点自身算法的缺点如收敛速度慢，运行效率相对较低等，所述方法采用颜色空间中的图像的光谱特征预先对像素点进行初筛，再对筛选出的像素点利用BP神经网络数学模型对其进一步判断，能更准确的判断色度异常像素点，并减少了将整幅图像每个像素点都采用BP神经网络进行判断的时间，进而大大提高了检测速度。另外，本专利技术通过统计最大色度异常像素块中像素点的数量同预设阈值进行比较，所述预设阈值可调，通过所述预设阈值的调节，能够将含有较小色度异常块的图像检测出来，进而减小漏检率。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术的一个实施例的示意图；图2为无线电内窥胶囊的示意图；图3为本专利技术实施例便携式图像记录仪的原理图；图4为本专利技术实施例公开的检测色度异常的流程图；图5为本专利技术实施例公开的活体内色度异常检测后标记出的像素点结果示意图；参见附图：图中A——无线电内窥胶囊、B——便携式图像记录仪、C——计算机医用影像工作站、D——便携式图像记录仪天线阵。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面本文档来自技高网...

【技术保护点】
一种检测活体内色度异常的方法，其特征在于，包括如下步骤：步骤1，将图像转换到HSV颜色空间和RGB颜色空间，分别从所述HSV颜色空间和RGB颜色空间中提取图像光谱特征数据，首先筛选出符合图像光谱特征数据预设条件的像素点，该像素点定义为初筛像素点；步骤2，利用BP神经网络数学模型对所述初筛像素点进行再次筛选，得到色度异常像素点，该像素点定义为异常像素点；步骤3，图像中连续分布的异常像素点组成异常块，获取各异常块中的异常像素点的数量，其中异常像素点数量最多的异常块定义为最大异常块，将最大异常块与色度异常图像的预设阈值进行比较，所述最大异常块的异常像素点数量如果大于所述预设阈值则说明所述图像为色度异常图像，如果小于所述预设阈值则说明所述图像为色度正常图像。

【技术特征摘要】
1.一种检测活体内色度异常的方法，其特征在于，包括如下步骤：步骤1，将图像转换到HSV颜色空间和RGB颜色空间，分别从所述HSV颜色空间和RGB颜色空间中提取图像光谱特征数据，首先筛选出符合图像光谱特征数据预设条件的像素点，该像素点定义为初筛像素点；所述步骤1包括：步骤1-1，计算机医用影像工作站接收来自便携式图像记录仪数据存储单元的图像数据，将存储单元的图像数据转换为HSV颜色空间和RGB颜色空间，获得在HSV颜色空间中整幅图像的平均色调值H_avg，平均饱和度值S_avg，获得在RGB颜色空间中整幅图像的红色分量平均值R_avg，绿色分量平均值G_avg，蓝色分量平均值B_avg，从所述HSV颜色空间和RGB颜色空间中提取该图像的图像光谱特征数据，所述图像光谱特征数据作为所述预设条件的像素点阈值设定基础；步骤1-2，所述存储单元的图像数据中，单一像素点的像素点光谱特征数据是HSV颜色空间中像素点的色调值H，饱和度值S，亮度值V，以及在RGB颜色空间中像素点的红色分量R，绿色分量G，蓝色分量B，如果该像素点光谱特征数据在图像光谱特征数据范围内，将该像素点筛选出来，该像素点定义为初筛像素点；所述预设条件为图像中各个像素点的色调值H满足在区间[0°，30°]或[340°，360°]之间，饱和度值S在区间[0.5，1.0]内，亮度值V在区间[0.25，1.0]内，用公式表示为：其中，p(x，y)为图像中的任意一个像素点，H，S，V是HSV颜色空间中每个图像像素点的色调值、饱和度值和亮度值；通过以上的条件筛选后，能够检测图像中色度异常的像素点，但同时引入了大量色度正常的像素点，所述预设条件根据提取的图像光谱特征作进一步调整，由公式：计算出新的色调门限阈值H_th，判断像素点p(x，y)是否为色度异常像素点的条件变为：为进一步减小对色度异常像素点的误检，在RGB颜色空间中，对以上所述筛选出的色度异常像素点通过公式：进一步筛选得到所述的初筛像素点；步骤2，利用BP神经...

【专利技术属性】
技术研发人员：白家莲，袁建，刘开兵，
申请(专利权)人：重庆金山科技集团有限公司，
类型：发明
国别省市：重庆;85