用于减少视频信号图像中的假阳性检测的方法、装置和计算机可读存储介质制造方法及图纸

本发明专利技术涉及计算(S101)视频信号的一系列图像的当前图像的部段的信息内容，其中所述视频信号必须馈送至算法以用于计算和指示所述视频信号中对象的检测。如果所述当前图像的所述部段的所述计算信息内容小于阈值(S103)，那么抑制(S105)所述系列图像的至少所述当前图像的所述部段或所述当前图像和其他图像的对象检测的所述计算和指示。象检测的所述计算和指示。象检测的所述计算和指示。

【技术实现步骤摘要】
【国外来华专利技术】用于减少视频信号图像中的假阳性检测的方法、装置和计算机可读存储介质


[0001]本专利技术涉及一种用于减少视频信号图像中的假阳性检测的方法、装置和计算机可读存储介质。

技术介绍

[0002]基于人工智能的对象检测算法对于非领域对象为特别敏感的，这些算法对于这些非领域对象尚未训练，诸如伪影、模糊图像等。由此产生的假阳性检测干扰了一般感知并且还可使实际信息模糊。

技术实现思路

[0003]本专利技术的一个目标是通过视频信号图像中的对象检测算法来减少假阳性检测。
[0004]根据本专利技术，该目标如附属权利要求书所规定来实现。
[0005]根据本专利技术的第一实施例，潜在假阳性检测的计算和指示(例如，显示)在无信息内容的视频信号的图像中受抑制。根据本专利技术的第二实施例，潜在假阳性检测的计算和指示(例如，显示)在无内容相关连接的视频信号的多个图像系列中进一步受抑制。
[0006]根据本专利技术，此类抑制增加了对象检测算法的检测特异性，特别是基于人工智能的对象检测算法。此外，可节省计算能力，因为对象检测算法仅需要对于具有特定信息内容的视频信号的图像执行检测的计算和指示。
附图说明
[0007]在下文中，本专利技术的实施例将参考附图进行更详细的描述。下文示出：
[0008]图1根据本专利技术的第一实施例示出了方法的流程图，该方法用于抑制视频信号的图像中对象的检测的计算和指示。
[0009]图2根据本专利技术的实施例示出了示意图，以解释对于视频信号的图像所执行的计算。
[0010]图3根据本专利技术的第二实施例示出了方法的流程图，该方法用于抑制视频信号的图像中对象的检测的计算和指示。
[0011]图4示出了电路装置的示意性框图，本专利技术的实施例可在该电路装置中实施。
具体实施方式
[0012]在下文中，第一实施例参考图1进行描述。
[0013]图1根据第一实施例示出了方法的流程图，该方法用于抑制视频信号的图像中对象的检测的计算和指示。
[0014]视频信号为例如内窥镜视频信号，该内窥镜视频信号利用内窥镜装置通过内窥镜检查(例如，胃和/或肠道)来检测，该视频信号从内窥镜装置输出。对象为例如诊断相关结
构，诸如病灶、息肉等。根据本专利技术的一个应用实例，对象检测包括病灶、息肉等的检测。
[0015]内窥镜装置包括刚性内窥镜、柔性内窥镜和胶囊式内窥镜。
[0016]在视频信号已通过图1所示的方法进行处理之后，其馈送至算法，该算法计算并指示所处理视频信号的图像中对象的检测。例如，算法基于人工智能或利用机器学习技术。
[0017]在图1的进程S101，计算视频信号的一系列图像的当前图像的部段的信息内容。信息内容基于例如扩展熵度量进行计算。然后，继续进行进程S103。
[0018]图像或图像细节或图像部段的熵水平基于存在于该图像中的信息的概率分布(例如，8位灰度图像内的强度分布)。为确定与对象相关的信息内容，Shannon所描述的熵水平通过将额外组件包括于扩展熵度量中来扩展，诸如空间信息(例如，图像强度的一阶或二阶导数)或纹理信息(例如，Haralick特征或局部二进制模式)。
[0019]在进程S103，当前图像的部段的计算信息内容与阈值相比较。然后，继续进行进程S105。
[0020]上文所述及阈值例如针对具体领域或相对于对象进行确定，并且利用独立测试数据进行验证。因此，阈值优选地为可变阈值。
[0021]如果确定计算信息内容小于阈值，那么当前图像的部段的对象检测的计算和指示在进程S105中受抑制。根据一个实施例，对象检测的计算和指示不仅对于当前图像的部段而且对于当前图像之后的其他图像的对应部段受抑制。这些其他图像的数量包括例如从1个至1000个图像的选择。
[0022]例如，进程S101、S103和S105对于该系列所有图像进行重复。该系列图像可包括部分或完整视频信号。
[0023]例如，在用于当前图像N的进程S105之后，用于当前图像N+1的进程S101开始。此外，进程S101、S103和S105的并行处理(S101中的当前图像N+2、S130中的当前图像N+1和S105中的当前图像N)也是可能的。
[0024]例如，如果在进程S105中确定计算信息内容I大于或等于阈值t，那么对于当前图像N的部段或对于其他图像的对象检测的计算和指示可在某些条件下承认。
[0025]该部段包括例如当前图像的完整细节。另选地，该部段包括根据需要所精细地解析的当前图像的部分。例如，该部段包括当前图像的2
×
2、3
×
3等片段的部分。
[0026]图1所示的方法例如通过图4所示的电路装置40来实施，电路装置40将在下文更详细地描述。
[0027]现参考图2，图2根据本专利技术的实施例示出了示意图，以解释对于视频信号的图像所执行的计算。
[0028]在图1所示的方法中，信息内容I对于视频信号的一系列图像的当前图像N进行计算并且与阈值相比较。
[0029]根据第二实施例，除了当前图像N的信息内容I，还计算当前图像N的特性C。此外，相似性特性S经由视频信号的该系列图像的相邻(例如，先前)图像N
‑
1、N
‑
2、N
‑
3等进行计算。需注意，“相邻图像”不限于“先前图像”。例如，在视频信号的非实时处理的情况下，图像N之后的图像也可考虑用于计算。
[0030]图3根据第二实施例示出了方法的流程图，该方法用于抑制视频信号的图像中对象的检测的计算和指示。
[0031]在进程S301中，输入视频信号的该系列图像的当前图像N。然后，继续进行进程S303，其中如同进程101，计算当前图像N的部段的信息内容I。信息内容I例如基于如上文所描述的扩展熵度量进行计算。
[0032]在随后进程S305中，如同在进程S103中，确定当前图像N的部段的计算信息内容I是否大于或等于阈值t。也就是说，信息内容I与阈值t相比较。如上文所描述，阈值t例如针对具体领域或相对于对象进行确定并且利用独立测试数据进行验证。优选地，阈值t为可变的。
[0033]如果在进程S305中确定计算信息内容I不大于或等于阈值t，那么这最终导致在进程S311中抑制对于该系列图像中的当前图像N的部段或当前图像N和其他图像的对象检测的计算和指示，类似于进程S105。
[0034]在第二实施例中，当信息内容I小于阈值t时，进程S305之后为进程S307。
[0035]在进程S307中，计算当前图像N的部段的特性C。在随后进程S309中，相似性特性S以当前图像N的部段的计算特性C进行更新。相似性特性S经由视频信号的该系列图像的相邻图像N
‑
1、N
‑
2、N
‑
3等进行计算，这些相邻图像相邻于当前图像N，例如在其之前。最后，进程S309之后为进程S311。
[0036]如本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括以下步骤：计算(S101、S303)视频信号的一系列图像的当前图像的部段的信息内容，所述视频信号必须馈送至算法以用于计算和指示所述视频信号中对象的检测，确定(S103、S305)所述当前图像的所述部段的所述计算的信息内容是否大于或等于阈值，和当确定所述计算的信息内容不大于或等于所述阈值时，抑制(S105、S311)所述一系列图像的至少所述当前图像的所述部段或所述当前图像和其他图像的对象检测的所述计算和指示。2.根据权利要求1所述的方法，还包括以下步骤：计算(S307、S313)所述当前图像的所述部段的特性并且通过所述当前图像的所述部段的计算的所述特性而更新相似性特性，所述相似性特性已通过所述视频信号的所述一系列图像的相邻图像进行计算，所述相邻图像相邻于所述当前图像，当确定所述计算的信息内容大于或等于所述阈值时，确定(S317)所述更新的相似性特性是否类似于至少一个已知干扰特性，和当确定所述更新的相似性特性类似于至少一个已知干扰特性时，抑制(S311)所述一系列图像的至少所述当前图像的所述部段或所述当前图像和其他图像的对象检测的所述计算和指示。3.根据权利要求2所述的方法，还包括：当确定所述计算的信息内容大于或等于所述阈值时，以及当确定所述更新的相似性特性不类似于已知干扰特性时，承认(S319)所述一系列图像的所述当前图像的所述部段或所述当前图像和所述其他图像的对象检测的所述计算和指示的步骤。4.根据权利要求2或3所述的方法，其中所述相似性特性基于所述当前图像的所述部段和所述相邻图像的所述部段之间的相似性度量进行更新。5.根据权利要求2至4中任一项所述的方法，其中所述相邻图像的数量包括从一系列1个至1000个图像的选择，和/或所述其他图像的数量包括从一系列1个至1000个图像的选择。6.根据权利要求2至5中任一项所述的方法，还包括：将所述当前图像的所述部段的计算的所述特性进行加权的步骤，其中所述相似性特性通过所述当前图像的所述部段的加权计算的所述特性进行更新。7.根据权利要求1至6中任一项所述的方法，其中所述信息内容基于扩展熵度量进行计算。8.根据权利要求1至7中任一项所述的方法，其中所述部段包括所述当前图像或所述当前图像的部分区域的完整细节，所述完整细节根据需要精细地解析。9.根据权利要求1至8中任一项所述的方法，其中所述视频...

【专利技术属性】
技术研发人员：汉内斯，
申请(专利权)人：豪雅株式会社，
类型：发明
国别省市：