基于物联网和云计算的智慧病房监控系统技术方案

本发明专利技术涉及图像处理技术领域，具体涉及基于物联网和云计算的智慧病房监控系统，该系统将视频帧分割为至少两个小块图像，在小块图像中的每个分量通道下，以每个像素点作为种子点进行区域生长，根据生长区域的重合情况获得每个像素点的综合一致度，根据综合一致度识别出噪声点，根据噪声差异、综合一致度和通道值获得每个非噪声点的白点显著值，根据白点显著值筛选出对应分量通道的白点通道值，根据白点通道值对非噪声点的通道值进行最大白点化增强，获得小块增强图像，进而获得实时增强视频并将其可视化展示。本发明专利技术通过精准识别非噪声点获得白点通道值，根据白点通道值对图像增强的效果更好，进而获得清晰的实时增强视频。进而获得清晰的实时增强视频。进而获得清晰的实时增强视频。

【技术实现步骤摘要】
基于物联网和云计算的智慧病房监控系统


[0001]本专利技术涉及图像处理
，具体涉及基于物联网和云计算的智慧病房监控系统。

技术介绍

[0002]为了更好地利用病房监控系统帮助医生和护士对病人进行治疗，需要对病房监控系统获得的实时监控视频中的图像进行处理，使医生和护士在各个时刻看到的病房内的情景都清晰明了。为保证病房更适合病人养病，在病人睡眠时间内，病房会保持黑暗，此时病房监控系统获得的图像质量不可避免地下降，因此需要对图像进行增强。
[0003]现有技术中能够根据最大白点化对图像进行增强，由于图像中存在噪声点，在筛选白点的过程中会将突出的噪声点选为白点，由于去噪后噪声点和非噪声点中较为突出的像素点的通道值会改变，则会导致图像中白点数量过少或者不存在白点，现有技术中通过区域生长算法识别图像中的噪声和非噪声，但是并非每个像素点作为种子点分别进行区域生长，未对每个像素点分别进行分析，不能精确识别出噪声点，在筛选白点的过程中不能找到在非噪声中突出的白点，根据该白点对图像进行增强的效果不佳。

技术实现思路

[0004]为了解决现有技术中由于噪声识别不精确导致不能获得精准的白点，根据该白点对图像进行增强的效果不佳的技术问题，本专利技术的目的在于提供基于物联网和云计算的智慧病房监控系统，所采用的技术方案具体如下：本专利技术提出了基于物联网和云计算的智慧病房监控系统，所述系统包括：监控数据获取模块、云端服务器和可视化显示模块；所述监控数据获取模块，用于通过基于物联网的病房监控摄像头采集病房的实时视频并实时上传至云端服务器；所述云端服务器包括图像分割模块、噪声识别模块、白点筛选模块和图像增强模块；所述图像分割模块，用于将所述实时视频的每个视频帧分割为至少两个小块图像；所述噪声识别模块，用于在每个小块图像的每个分量通道下，分别以每个像素点作为种子点进行区域生长，获得每个像素点对应的生长区域，根据每个像素点的所述生长区域与其他像素点的所述生长区域的重合情况，获得每个像素点对应的综合一致度，根据所述综合一致度获得对应分量通道下的非噪声点和噪声点；所述白点筛选模块，用于在每个分量通道下，对所述小块图像进行去噪，获得每个所述非噪声点去噪前后的噪声差异，根据所述噪声差异、所述综合一致度和通道值，获得每个非噪声点的白点显著值，根据所述白点显著值筛选出对应分量通道的白点通道值；图像增强模块，用于根据每个所述分量通道下的所述白点通道值对所述小块图像
中的非噪声点进行最大白点化增强，结合去噪后所述噪声点的通道值，获得小块增强图像；所述可视化显示模块，用于将所述小块增强图像合并，获得对应的视频增强帧，获得实时增强视频，将所述实时增强视频进行可视化显示。
[0005]进一步地，所述将所述实时视频的每个视频帧分割为至少两个小块图像，包括：对所述视频帧进行超像素分割，将所述视频帧分割为至少两个超像素块，所述超像素块为所述小块图像。
[0006]进一步地，所述获得每个像素点对应的生长区域，包括：以每个像素点为中心建立预设邻域范围的窗口，在每个所述窗口中，中心点的灰度值分别与对应的预设邻域范围内每个其他像素点的灰度值计算差异，取差异的中位数作为对应的相似半径；所述小块图像中所有像素点的所述相似半径的平均值作为相似半径阈值，以所述相似半径阈值作为区域生长过程中的生长条件参数进行区域生长，获得所述生长区域。
[0007]进一步地，所述获得每个像素点对应的综合一致度，包括：将每个像素点的所述生长区域分别与其他像素点的所述生长区域计算重合情况，当所述重合情况为完全重合时，将两个像素点对应的一致影响度设置为预设标签值；当所述重合情况为不完全重合时，不设置两个像素点对应的一致影响度；将每个像素点对应的所有标签值累加，获得综合一致度。
[0008]进一步地，所述获得对应分量通道下的非噪声点和噪声点，包括：所有所述综合一致度经过层次聚类后分为两个类别，以两个类别中综合一致度的平均值最大的一个类别中的像素点作为所述非噪声点，另一个类别对应的像素点为所述噪声点。
[0009]进一步地，所述获得每个所述非噪声点去噪前后的噪声差异，包括：所述去噪的方法为高斯去噪，所述高斯去噪的去噪窗口大小为预设尺寸，所述小块图像中每个非噪声点的去噪后的通道值与对应分量通道的去噪前的通道值的差异为对应分量通道下的噪声差异。
[0010]进一步地，所述获得每个非噪声点的白点显著值，包括：将所述综合一致度归一化，获得归一化值，将所述归一化值与预设常数系数的和作为矫正归一化值，将所述非噪声点的噪声差异与对应的所述矫正归一化值的比值作为像素点突出度，将所述像素点突出度与对应所述非噪声点的通道值的乘积作为对应的白点显著值。
[0011]进一步地，所述根据所述白点显著值筛选出对应分量通道的白点通道值，包括：在每个分量通道中，对所有白点显著值进行从大到小排序，获得对应的序列，选取所述序列的前预设百分数个白点显著值对应像素点的平均通道值，作为对应分量通道的所述白点通道值。
[0012]本专利技术具有如下有益效果：本专利技术对每个小块图像分别进行分析避免了图像处理过程中不同物体对应区域之间的相互影响，在每个小块图像的每个分量通道下，为了根据非噪声点获得精准的白点通道值，因此需要精准识别噪声点，通过对每个像素点分别进行分析，能够获得每个像素点的特征信息，提高了识别噪声点精准度，每个像素点分别独立进行区域生长，因此能够获得
每个像素点与其他像素点的生长区域的重合情况，像素点对应的重合次数越多，该像素点为非噪声点的可能性越大，因此根据重合情况获得的综合一致度能够表示像素点为非噪声点的可能性，根据综合一致度能够识别噪声点，噪声识别相较于现有技术中的噪声识别更精确。
[0013]因为非噪声点都是偏向正常分布的像素点，考虑到白点通道值是非噪声点对应分量通道的通道值中较大且突出的通道值，所以需要进一步在非噪声点中找到突出的像素点，因此根据引入的噪声差异和综合一致度获得像素点的突出情况，根据突出情况和通道值获得对应分量通道的白点通道值，最终获得的白点通道值相较于非噪声点对应分量通道的通道值不仅大而且突出，根据每个分量通道下的白点通道值对非噪声点进行调整，图像增强效果更好，实时增强视频更清晰，方便监控。
附图说明
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0015]图1为本专利技术一个实施例所提供的基于物联网和云计算的智慧病房监控系统框图。
具体实施方式
[0016]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于物联网和云计算的智慧病房监控系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于物联网和云计算的智慧病房监控系统，其特征在于，所述系统包括：监控数据获取模块、云端服务器和可视化显示模块；所述监控数据获取模块，用于通过基于物联网的病房监控摄像头采集病房的实时视频并实时上传至云端服务器；所述云端服务器包括图像分割模块、噪声识别模块、白点筛选模块和图像增强模块；所述图像分割模块，用于将所述实时视频的每个视频帧分割为至少两个小块图像；所述噪声识别模块，用于在每个小块图像的每个分量通道下，分别以每个像素点作为种子点进行区域生长，获得每个像素点对应的生长区域，根据每个像素点的所述生长区域与其他像素点的所述生长区域的重合情况，获得每个像素点对应的综合一致度，根据所述综合一致度获得对应分量通道下的非噪声点和噪声点；所述白点筛选模块，用于在每个分量通道下，对所述小块图像进行去噪，获得每个所述非噪声点去噪前后的噪声差异，根据所述噪声差异、所述综合一致度和通道值，获得每个非噪声点的白点显著值，根据所述白点显著值筛选出对应分量通道的白点通道值；图像增强模块，用于根据每个所述分量通道下的所述白点通道值对所述小块图像中的非噪声点进行最大白点化增强，结合去噪后所述噪声点的通道值，获得小块增强图像；所述可视化显示模块，用于将所述小块增强图像合并，获得对应的视频增强帧，获得实时增强视频，将所述实时增强视频进行可视化显示。2.根据权利要求1所述的基于物联网和云计算的智慧病房监控系统，其特征在于，所述将所述实时视频的每个视频帧分割为至少两个小块图像，包括：对所述视频帧进行超像素分割，将所述视频帧分割为至少两个超像素块，所述超像素块为所述小块图像。3.根据权利要求1所述的基于物联网和云计算的智慧病房监控系统，其特征在于，所述获得每个像素点对应的生长区域，包括：以每个像素点为中心建立预设邻域范围的窗口，在每个所述窗口中，中心点的灰度值分别与对应的预设邻域范围内每个其他像素点的灰度值计算差异，取差异的中位数作为对应的相似半径；所述小块图像中所有像素点的所述相似半径的平均值作为相似半径阈...

【专利技术属性】
技术研发人员：刘庆霞，徐运奎，程玉伟，陈蕊，
申请(专利权)人：济南科汛智能科技有限公司，
类型：发明
国别省市：