内镜图像的高光区域消除方法技术

本发明专利技术提供了一种内镜图像的高光区域消除方法，包括如下步骤：S10，对内镜图像进行预处理；S20，提供图像融合操作所需的最终权重模板；S30，提供内镜图像的细节弱化的无高光图像；S40，以最终权重模板作为融合修复的权重因子，将细节弱化的无高光图像和内镜图像的原图像进行融合修复，获得高光消除并保留图像主要细节的无高光图像。本发明专利技术的目的在于提供一种内镜图像的高光区域消除方法，能够在高光区域较大的时候实现内镜图像的自然修复。

【技术实现步骤摘要】

本专利技术涉及一种医学内镜图像高光消除方法，可用于医学内镜成像诊疗过程中辅助医生更好的进行观察和病情诊断。
技术介绍
内窥镜成像过程中，人体器官表面发生的高光反射，通常表现为亮度饱和的高亮区域，这些高亮区域将会降低图像质量并对手术过程的观察以及病灶判断造成较大的影响，甚至成为许多基于视觉分析算法误差的源头，并对许多基于梯度的计算机视觉算法造成消极影响。在过去的几十年中，大量的算法被提出以检测和修复内镜图像中的高光反射。Arnold,et al.等基于全局非线性滤波和颜色阈值的方法进行高光区域的检测，使用距离高光像素特定距离处像素的颜色信息作为该高光像素的颜色信息。该算法可有效的选择出图像中的高光区域，并对高光区域进行一定的修复。但基于全局阈值的方法对整幅图像进行单一阈值的分割，在高光像素拥有一定动态范围的时候，很难精确做出精确的判断。利用高光像素临近像素的颜色信息对高光区域进行补色的方法，在高光区域较小时可以得到较好的效果，但随着高光区域的增大，由于高光中心区域难以找到适合的临近像素信息，补色结果将产生较大的人为痕迹。为解决众多基于全局阈值的分割方法以及基于邻近像素颜色传递的修复方法存在的缺陷，从该算法中衍生出多种改进算法。一些学者在全图应用一个固定大小的滑动窗口，在窗口中应用局
部阈值的方法进行高光区域的分割，并且利用基于自适应窗口动态搜索的方法，使得高光像素可以使用尽量多的非高光像素信息进行颜色的修复。虽然目前提出的算法可在一定程度上解决现存内镜图像高光像素检测和修复算法的缺陷，但反射高光像素提取的效果有待提高，应用邻域信息进行补色的算法，在高光区域较大的时候难以实现自然修复的效果。因此本领域需要一种有效的内镜图像的高光区域消除方法，解决在高光区域较大的时候难以实现内镜图像自然修复的问题难以实现自然修复内镜图像的问题。
技术实现思路
针对相关技术中存在的问题，本专利技术的目的在于提供一种内镜图像的高光区域消除方法，能够在高光区域较大的时候可以实现内镜图像的自然修复自然修复内镜图像。本专利技术提供了一种内镜图像的高光区域消除方法，包括如下步骤：S10，对内镜图像进行预处理；S20，提供图像融合操作所需的最终权重模板；S30，提供内镜图像的细节弱化的无高光图像；S40，以最终权重模板作为融合修复的权重因子，将细节弱化的无高光图像和内镜图像的原图像进行融合修复，获得高光消除并保留图像主要细节的无高光图像。根据本专利技术，步骤S10包括如下子步骤：S101，利用非线性滤波的方法增加图像中高光和正常区域的对比，以获得增强图像；S102，将增强图像进行基于小波分析的降噪算法，滤除内镜图像采集及处理过程中的随机噪声，以获得去噪图像；S103，将去噪图像由RGB颜色空间转换到HSV颜色空间。根据本专利技术，步骤S20包括如下子步骤：S201，对内镜图像进行全局高光检测，以得到粗分割的高光区域；S202，对内镜图像进行局部高光检测，以得到精细分割的高光区域；S203，对粗分割的高光区域和精细分割的高光区域进行融合，得到高光区域的二值权重模板；S204，对二值权重模板利用形态学操作和电势场势能图理论，通过迭代求解拉普拉斯方程实现二值权重模板边缘的均匀渐变，以获得最终权重模板。根据本专利技术，子步骤S201执行为，联合亮度和饱和度空间，利用基于直方图的二值化阈值算法进行全局高光检测。根据本专利技术，子步骤S202执行为，基于超像素分割的方法，将高光像素粗略聚类到同一超像素内部，结合全局阈值以及OTSU二值化处理自适应阈值的方法，在每一个超像素内部进行高光像素的检测和分割，得到精细分割的高光区域。根据本专利技术，二值权重模板为最终的高光区域的二值化图像。根据本专利技术，子步骤S204执行为，S2041，对二值权重模板进行形态学膨胀，得到膨胀模板；S2042，用膨胀模板和原始的二值权重模板相减，得到膨胀环带区域；S2043，对膨胀环带区域赋值为两侧均值；S2044，迭代应用如下方法，得到权重值均匀渐变的环带区域，以此渐变模板作为最终权重模板：Ti+1(x,y)＝[Ti(x+Δx,y)+Ti(x-Δx,y)+Ti(x,y+Δy)+Ti(x,y-Δy)]/4。根据本专利技术，步骤S30包括如下子步骤：S301，基于用户反馈以及非线性拟合的RPCA获得最优参数估计经验公式，可用于估计内镜图像应用RPCA时的最优权重参数；S302，应用RPCA理论，建立高光图像中低秩特征成分与高光噪声的能量函数，利用最优化理论迭代求解低秩成分的最优解，
以得到细节弱化的无高光图像。根据本专利技术，步骤S301执行为：S3011，人工合成包含不同尺寸高光区域的测试图像；S3012，对RPCA权重参数在一定范围内采样，获得权重参数序列；S3013，对原始图像和合成图像应用参数序列中的权重参数，分别进行图像的低秩特征分解，得到对应的低秩本征图像；S3014，计算不同参数下，合成图像低秩成分和原图像本征成分的相似性值；S3015，根据用户选择和视觉效果，确定不同高光尺寸情况下，得到细节保留和噪声去除效果平衡的权重参数值；S3016，对最优的权重参数和其对应的高光尺寸进行非线性拟合，以获得内镜图像中的最大高光区域连通域面积在全图所占比例和RPCA的最优权重参数之间的量化公式；S3017，对于给定一幅含高光图像，计算其包含最大高光区域连通域占全图面积比例，带入量化公式，便可以得到内镜图像应用RPCA时的最优权重参数。根据本专利技术，步骤S40执行为：通过势能图理论得到所述最终权重模板T并作为融合修复的权重因子W1，进而通过RPCA获得细节弱化的无高光图像Id之后，结合原高光图像Io，便可根据如下融合策略得到高光消除并保留图像主要细节的无高光图像：Isf＝W1Id+W2Io,W2＝1-W1。本专利技术的有益技术效果在于：本专利技术的内镜图像的高光区域消除方法，首先对内镜图像进行预处理；然后提供图像融合操作的最终权重模板和内镜图像的细节弱化的无高光图像；最后以最终权重模板作为融合修复的权重因子，将细节弱化的无高光图像和内镜图像的原图像进行融合修复，获得高光消除并保留图像主要细节的无高光图像。本方法
能够实现：(1)高光反射区域的精确检测与分割；(2)反射高光区域的去除和自然修复。附图说明图1是示出的本专利技术的内镜图像的高光区域消除方法的流程图。图2是示出的本专利技术的内镜图像的高光区域消除方法的详细流程图。具体实施方式参考附图公开示出的实施例。然而，应当理解，所公开的实施例仅为可以以各种和替代形式显示的实施例。附图未必按比例绘制，并且可能放大或缩小一些特征来显示特定部件的细节。所公开的具体结构和功能性细节不应解释为限制，而是作为用于教导本领域技术人员如何实践本公开的代表性基础。为克服现有内镜图像高光检测修复算法中存在的不足，本专利技术提供一种基于超像素和大津(OTSU)阈值的内镜图像的高光区域消除方法，本方法是基于低秩特征融合的内镜图像高光区域消除方法，能够实现局部高光自适应阈值的精确检测分割；在本方法中运用一种基于用户反馈和非线性拟合的方法，自动确定鲁棒主成分分析(Robust Principal Component Analysis,RPCA)算法的最优权重参数，然后利用RPCA本文档来自技高网...

【技术保护点】
一种内镜图像的高光区域消除方法，其特征在于，包括如下步骤：S10，对所述内镜图像进行预处理；S20，提供图像融合操作所需的最终权重模板；S30，提供所述内镜图像的细节弱化的无高光图像；S40，以所述最终权重模板作为融合修复的权重因子，将所述细节弱化的无高光图像和所述内镜图像的原图像进行融合修复，获得高光消除并保留图像主要细节的无高光图像。

【技术特征摘要】
1.一种内镜图像的高光区域消除方法，其特征在于，包括如下步骤：S10，对所述内镜图像进行预处理；S20，提供图像融合操作所需的最终权重模板；S30，提供所述内镜图像的细节弱化的无高光图像；S40，以所述最终权重模板作为融合修复的权重因子，将所述细节弱化的无高光图像和所述内镜图像的原图像进行融合修复，获得高光消除并保留图像主要细节的无高光图像。2.根据权利要求1所述的内镜图像的高光区域消除方法，其特征在于，所述步骤S10包括如下子步骤：S101，利用非线性滤波的方法增加图像中高光和正常区域的对比，以获得增强图像；S102，将所述增强图像进行基于小波分析的降噪算法，滤除所述内镜图像采集及处理过程中的随机噪声，以获得去噪图像；S103，将所述去噪图像由RGB颜色空间转换到HSV颜色空间。3.根据权利要求1所述的内镜图像的高光区域消除方法，其特征在于，所述步骤S20包括如下子步骤：S201，对所述内镜图像进行全局高光检测，以得到粗分割的高光区域；S202，对所述内镜图像进行局部高光检测，以得到精细分割的高光区域；S203，对所述粗分割的高光区域和所述精细分割的高光区域进行融合，得到所述高光区域的二值权重模板；S204，对所述二值权重模板利用形态学操作和电势场势能图理论，通过迭代求解拉普拉斯方程实现所述二值权重模板边缘的均匀渐变，以获得所述最终权重模板。4.根据权利要求3所述的内镜图像的高光区域消除方法，其特征在于，所述子步骤S201执行为，联合亮度和饱和度空间，利用基于直方图的二值化阈值算法进行全局高光检测。5.根据权利要求3所述的内镜图像的高光区域消除方法，其特征在于，所述子步骤S202执行为，基于超像素分割的方法，将高光像素粗略聚类到同一超像素内部，结合全局阈值以及OTSU二值化处理自适应阈值的方法，在每一个所述超像素内部进行高光像素的检测和分割，得到所述精细分割的高光区域。6.根据权利要求3所述的内镜图像的高光区域消除方法，其特征在于，所述二值权重模板为最终的高光区域的二值化图像。7.根据权利要求3所述的内镜图像的高光区域消除方法，其特征在于，所述子步骤S204执行为，S2041，对所述二值权重模板进行形态学膨胀，得到膨胀...

【专利技术属性】
技术研发人员：杨健，郜业飞，王涌天，艾丹妮，丛伟建，范敬凡，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11