一种基于神经网络的微创医用摄像头图像识别方法技术

本发明专利技术涉及一种基于神经网络的微创医用摄像头图像识别方法，所述一种基于神经网络的微创医用摄像头图像识别方法包括如下步骤：S1：首先用CMOS摄像头采集要识别的目标图像信息；S2：然后将样本库中的图像输入计算机进行转化，转化出数字图像，再进行数字滤波处理，将一些不必要的信息滤除；S3：接着将样本图像数字信息输入设计的神经网络进行训练学习，生成图像识别的神经网络系统。该基于神经网络的微创医用摄像头图像识别方法，可以通过摄像头图像识别方法对神经网络组成进行快速分析，节省神经网络分析的过程；重新组件模拟的电子神经网络，对神经网络进行检测，便于分析出神经网络出现的问题，有利于微创手术的进行。有利于微创手术的进行。

【技术实现步骤摘要】
一种基于神经网络的微创医用摄像头图像识别方法


[0001]本专利技术涉及神经网络医疗
，具体为一种基于神经网络的微创医用摄像头图像识别方法。

技术介绍

[0002]神经网络微创研究中，对神经网络的识别在医疗领域具有重大的意义，便于对神经网络的快速识别，实现神经问题的快速定位。对图像处理与识别来说，主要是对图像作出转换或变换等过程，确保图像得到有效识别，其以图像二维空间信息为主,这里面涉及各个方面的数据，图像处理主要进行信息阻抗匹配,并适当调整幅值,内容有数字化等。以往所用图像识别方法为相关法和不变矩法、投影法,当前在人工智能理论上我们的研究越来越深入，尤其是在计算机技术快速发展的今天，让其在神经网络图像识别上得到更加广泛的应用。
[0003]神经网络在治疗的过程中，神经网络的组件复杂，对神经网络分析较慢，因此针对上述问题，提出了一种基于神经网络的微创医用摄像头图像识别方法。

技术实现思路

[0004]本专利技术的目的在于提供一种基于神经网络的微创医用摄像头图像识别方法，以解决上述
技术介绍
提出的神经网络在治疗的过程中，神经网络的组件复杂，对神经网络分析较慢的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于神经网络的微创医用摄像头图像识别方法，所述一种基于神经网络的微创医用摄像头图像识别方法包括如下步骤：
[0006]S1：首先用CMOS摄像头采集要识别的目标图像信息；
[0007]S2：然后将样本库中的图像输入计算机进行转化，转化出数字图像，再进行数字滤波处理，将一些不必要的信息滤除；
[0008]S3：接着将样本图像数字信息输入设计的神经网络进行训练学习，生成图像识别的神经网络系统。
[0009]优选的，所述步骤S1中，将神经网络图片利用CMOS摄像头进行扫描处理，摄像头获取到神经网络图片。
[0010]优选的，所述步骤S1中，图像采集过程中，CMOS摄像头改变方位，采集到的目标出现畸变图像信息，这些畸变目标信息需要全面性，这些目标的各种畸变图像信息就构成了目标识别的样本库。
[0011]对旋转畸变图像的识别，提高了神经网络的训练速度和增加网络的可靠性，降低了网络对于误差曲面局部细节的敏感性,有效地抑制了网络陷于局部极小,提高了目标识别的精度。
[0012]优选的，所述步骤S1中，识别的方式为根据一定的模糊化规则将图像的一个特征或者一组特征分为多个模糊变量，使每个模糊变量能表达原特征的一部分特征，然后利用
这个新的模糊特征代替原来的特征进行模糊式识别。
[0013]模糊模式识别其实就是在模式识别问题中引进模糊逻辑的方法或者思想。模糊模式识别在统计模式识别中己经取得了较好的应用，模糊理论在图像识别系统的应用，主要是利用模糊理论对图像特征模糊化和模糊分类模糊特征其实就是根据一定的模糊化规则将图像的一个特征或者一组特征分成多个模糊变量，使每个模糊变量能表达原特征的一部分特性,然后用这些新的模糊特征代替原来的特征进行模式识别，虽然模糊特征相对原来的特征数量变多了,但是可能使分类结果和特征值间的关系线性化，从而简化了分类器的设计，提高了分类器的性能。模糊分类其实就是把样本空间分成若千个子集，而这些子集用模糊子集的概念来代替，从而得到模糊分类结果，也即分类结果的模糊化。模糊分类中的一个样本将不再属于某个特定的类别，而是以不同的可信程度属于某个类别，这样的优点是:
[0014](1)分类结果中可以反映出分类过程中的不确定性，利用用户根据可信程度决策；
[0015](2)如果采用多级分类，这能为下级分类提供分类信息。
[0016]优选的，所述步骤S2中，利用处理器对从图像转化而来的信息进行运算处理。
[0017]优选的，所述步骤S2中，将数字化的信息进行识别分类，得到准确的神经网络路线名称，将神经网络路线名称重新附在原始图像中，并且加以注释，得到神经网络示意图图像。
[0018]优选的，所述步骤S3中，对神经已经识别的神经网络进行运行处理，检测神经网络的连通性，得到由图像产生的神经网络系统。
[0019]与现有技术相比，本专利技术的有益效果是：该基于神经网络的微创医用摄像头图像识别方法：
[0020]1.可以通过摄像头图像识别方法对神经网络组成进行快速分析，节省神经网络分析的过程；
[0021]2.重新组件模拟的电子神经网络，对神经网络进行检测，便于分析出神经网络出现的问题，有利于微创手术的进行。
具体实施方式
[0022]对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0023]本专利技术提供一种技术方案：一一种基于神经网络的微创医用摄像头图像识别方法，其特征在于：所述一种基于神经网络的微创医用摄像头图像识别方法包括如下步骤：
[0024]S1：首先用CMOS摄像头采集要识别的目标图像信息；
[0025]S2：然后将样本库中的图像输入计算机进行转化，转化出数字图像，再进行数字滤波处理，将一些不必要的信息滤除；
[0026]S3：接着将样本图像数字信息输入设计的神经网络进行训练学习，生成图像识别的神经网络系统。
[0027]进一步的，所述步骤S1中，将神经网络图片利用CMOS摄像头进行扫描处理，摄像头获取到神经网络图片。
[0028]进一步的，所述步骤S1中，图像采集过程中，CMOS摄像头改变方位，采集到的目标
出现畸变图像信息，这些畸变目标信息需要全面性，这些目标的各种畸变图像信息就构成了目标识别的样本库。
[0029]对旋转畸变图像的识别，提高了神经网络的训练速度和增加网络的可靠性，降低了网络对于误差曲面局部细节的敏感性,有效地抑制了网络陷于局部极小,提高了目标识别的精度。
[0030]进一步的，所述步骤S1中，识别的方式为根据一定的模糊化规则将图像的一个特征或者一组特征分为多个模糊变量，使每个模糊变量能表达原特征的一部分特征，然后利用这个新的模糊特征代替原来的特征进行模糊式识别。
[0031]模糊模式识别其实就是在模式识别问题中引进模糊逻辑的方法或者思想。模糊模式识别在统计模式识别中己经取得了较好的应用，模糊理论在图像识别系统的应用，主要是利用模糊理论对图像特征模糊化和模糊分类模糊特征其实就是根据一定的模糊化规则将图像的一个特征或者一组特征分成多个模糊变量，使每个模糊变量能表达原特征的一部分特性,然后用这些新的模糊特征代替原来的特征进行模式识别，虽然模糊特征相对原来的特征数量变多了,但是可能使分类结果和特征值间的关系线性化，从而简化了分类器的设计，提高了分类器的性能。模糊分类其实就是把样本空间分成若千个子集，而这些子集用模糊子集的概念来代替，从而得到模糊分类结果，也即分类结果的模糊化。模糊分类中的一个样本将不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的微创医用摄像头图像识别方法，其特征在于：所述一种基于神经网络的微创医用摄像头图像识别方法包括如下步骤：S1：首先用CMOS摄像头采集要识别的目标图像信息；S2：然后将样本库中的图像输入计算机进行转化，转化出数字图像，再进行数字滤波处理，将一些不必要的信息滤除；S3：接着将样本图像数字信息输入设计的神经网络进行训练学习，生成图像识别的神经网络系统。2.根据权利要求1所述的一种基于神经网络的微创医用摄像头图像识别方法，其特征在于：所述步骤S1中，将神经网络图片利用CMOS摄像头进行扫描处理，摄像头获取到神经网络图片。3.根据权利要求1所述的一种基于神经网络的微创医用摄像头图像识别方法，其特征在于：所述步骤S1中，图像采集过程中，CMOS摄像头改变方位，采集到的目标出现畸变图像信息，这些畸变目标信息需要全面性，这些目标的各种畸变图像信息就构成了目标识别的样本库。4.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员：牙就芳，杜宝雪，周作光，
申请(专利权)人：深圳市永吉星光电有限公司，
类型：发明
国别省市：