本发明专利技术提供一种数据处理方法、装置、计算机及存储介质，涉及数据处理技术领域，所述方法包括：根据所述特征点，计算两张胃肠镜图像上的特征点之间的特征向量距离，当所述特征向量距离≥预设的固定阈值时，将两张胃肠镜图像标记为关键帧；对相邻关键帧之间的胃肠镜图像进行处理，以获取补充关键帧；将所述补充关键帧插入至已标记的两个关键帧之间，以得到关键帧域；通过预设的动态因子，识别并确定所述关键帧域中的光斑区域，对所述光斑区域对应的胃肠镜图像进行修复，以得到修复图像；对所述修复图像进行卷积处理，以得到均衡图像。本发明专利技术具有更高的准确性和可靠性，可以提供更好的胃肠镜图像分析和处理效果。肠镜图像分析和处理效果。肠镜图像分析和处理效果。
【技术实现步骤摘要】
一种数据处理方法、装置、计算机及存储介质
[0001]本专利技术涉及数据处理
，特别是指一种数据处理方法、装置、计算机及存储介质。
技术介绍
[0002]当前，胃肠镜检查已成为临床上常用的筛查和诊断方法。胃肠镜图像作为胃肠镜检查的主要结果之一，对于医生准确判断和诊断疾病非常重要。然而，由于胃肠镜图像的质量受到多种因素的影响，如光线、噪声等，导致图像中可能存在伪影、模糊、光斑等问题，给医生的诊断带来困扰。
[0003]针对这些问题，已经提出了一些胃肠镜图像处理方法，以提高图像质量和准确性。其中包括基于图像增强的方法，如对比度增强、直方图均衡化等，以增强图像的可视性和细节。然而，这些方法往往对光斑等细微结构的处理效果较差，不能很好地适应不同胃肠镜图像的变化。
技术实现思路
[0004]本专利技术要解决的技术问题是提供一种数据处理方法、装置、计算机及存储介质，能够根据胃肠镜图像的特征点和特征向量距离来识别关键帧，并通过补充关键帧和光斑区域修复提高图像质量，具有更高的准确性和可靠性，可以提供更好的胃肠镜图像分析和处理效果。
[0005]为解决上述技术问题，本专利技术的技术方案如下：第一方面，一种数据处理方法，所述方法包括：获取胃肠镜图像，并按照优先级排序，以得到排序数据；对所述排序数据进行处理，以获得所述胃肠镜图像上的特征点；根据所述特征点，计算两张胃肠镜图像上的特征点之间的特征向量距离，当所述特征向量距离≥预设的固定阈值时，将两张胃肠镜图像标记为关键帧；对相邻关键帧之间的胃肠镜图像进行处理，以获取补充关键帧；将所述补充关键帧插入至已标记的两个关键帧之间，以得到关键帧域；通过预设的动态因子，识别并确定所述关键帧域中的光斑区域，对所述光斑区域对应的胃肠镜图像进行修复，以得到修复图像；对所述修复图像进行卷积处理，以得到均衡图像。
[0006]进一步的，获取胃肠镜图像，并按照优先级排序，以得到排序数据，包括：通过计算时间权重，其中，为时间权重；t为胃肠镜图像获取时间和当前时间的差值；为胃肠镜图像的预期处理时间；为胃肠镜图像的大小；为胃肠镜图像的类型；、和均为衰减参数；为自然对数的底数；
通过计算紧急程度权重，其中，为基于胃肠镜图像特征的紧急程度函数；为紧急程度的附加因素；为紧急程度的权重参数；为紧急程度权重；根据所述时间权重和紧急程度权重，并通过计算胃肠镜图像的优先级，其中，和均为权重参数；为胃肠镜图像的优先级；根据差值ΔA=－限制值的大小，对所述差值ΔA对应的胃肠镜图像进行排序，以得到排序数据。
[0007]进一步的，对所述排序数据进行处理，以获得所述胃肠镜图像上的特征点，包括：对所述胃肠镜图像进行预处理，以得到平滑图像；根据所述平滑图像，对所述平滑图像进行多次高斯滤波，以构建尺度空间；根据尺度空间，对每个潜在的关键点进行定位，以得到定位关键点；为每个定位关键点分配一个或多个方向；对每个关键点生成一个特征描述符。
[0008]进一步的，根据所述特征点，计算两张胃肠镜图像上的特征点之间的特征向量距离，包括：根据计算两个特征点之间的距离，其中，
n
和
n
分别是两张胃肠镜图像上的特征向量；W
n
为权重矩阵；S
n
为协方差矩阵，用于捕捉特征向量中的统计信息；K
n
为空间协方差矩阵，用于捕捉特征点之间的空间关系；N表示矩阵的转置；n表示时间步；为特征向量
n
和特征向量
n
之间的距离。
[0009]进一步的，对相邻关键帧之间的胃肠镜图像进行处理，以获取补充关键帧，包括：分别获取第一关键帧Z1和第二关键帧Z2对应的第一像素Z1(x, y)和第二像素Z2(x, y)；通过计算补充关键帧中的像素值，其中，为插值因子，且取值范围为01；为补充关键帧中的像素值，坐标为(x, y)；根据补充关键帧中的像素值，计算得到补充关键帧。
[0010]进一步的，将所述补充关键帧插入至已标记的两个关键帧之间，以得到关键帧域，包括：确定待插入的补充关键帧的位置；计算已标记的两个关键帧之间的关键帧时间间隔；根据所述关键帧时间间隔，计算补充关键帧的时间戳；根据补充关键帧的时间戳，确定补充关键帧，并将所述补充关键帧插入至已标记的两个关键帧之间。
[0011]进一步的，通过预设的动态因子，识别并确定所述关键帧域中的光斑区域，包括：
依次遍历关键帧域中的每一个像素；计算每一个像素的亮度值与预设的动态因子之间的差值；根据所述差值，确定光斑区域；对所述光斑区域进行处理和确认，以获得最终的光斑区域。
[0012]第二方面，一种数据处理装置，包括：获取模块，用于获取胃肠镜图像，并按照优先级排序，以得到排序数据；对所述排序数据进行处理，以获得所述胃肠镜图像上的特征点；根据所述特征点，计算两张胃肠镜图像上的特征点之间的特征向量距离，当所述特征向量距离≥预设的固定阈值时，将两张胃肠镜图像标记为关键帧；处理模块，用于对相邻关键帧之间的胃肠镜图像进行处理，以获取补充关键帧；将所述补充关键帧插入至已标记的两个关键帧之间，以得到关键帧域；通过预设的动态因子，识别并确定所述关键帧域中的光斑区域，对所述光斑区域对应的胃肠镜图像进行修复，以得到修复图像；对所述修复图像进行卷积处理，以得到均衡图像。
[0013]第三方面，一种计算机，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的方法。
[0014]第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现所述的方法。
[0015]本专利技术的上述方案至少包括以下有益效果：本专利技术的上述方案，能够根据胃肠镜图像的特征点和特征向量距离来识别关键帧，并通过补充关键帧和光斑区域修复提高图像质量，具有更高的准确性和可靠性，可以提供更好的胃肠镜图像分析和处理效果。
附图说明
[0016]图1是本专利技术的实施例提供的数据处理方法的流程示意图。
[0017]图2是本专利技术的实施例提供的数据处理装置示意图。
具体实施方式
[0018]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0019]如图1所示，本专利技术的实施例提出一种数据处理方法，所述方法包括以下步骤：步骤11，获取胃肠镜图像，并按照优先级排序，以得到排序数据；步骤12，对所述排序数据进行处理，以获得所述胃肠镜图像上的特征点；步骤13，根据所述特征点，计算两张胃肠镜图像上的特征点之间的特征向量距离，当所述特征向量距离≥预设的固定阈值时，将两张胃肠镜图像标记为关键帧；步骤14，对相邻关键帧之间的胃肠镜图像进行处理，以获取补充关键帧本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取胃肠镜图像，并按照优先级排序，以得到排序数据；对所述排序数据进行处理，以获得所述胃肠镜图像上的特征点；根据所述特征点，计算两张胃肠镜图像上的特征点之间的特征向量距离，当所述特征向量距离≥预设的固定阈值时，将两张胃肠镜图像标记为关键帧；对相邻关键帧之间的胃肠镜图像进行处理，以获取补充关键帧；将所述补充关键帧插入至已标记的两个关键帧之间，以得到关键帧域；通过预设的动态因子，识别并确定所述关键帧域中的光斑区域，对所述光斑区域对应的胃肠镜图像进行修复，以得到修复图像；对所述修复图像进行卷积处理，以得到均衡图像。2.根据权利要求1所述的数据处理方法，其特征在于，获取胃肠镜图像，并按照优先级排序，以得到排序数据，包括：通过计算时间权重，其中，为时间权重；t为胃肠镜图像获取时间和当前时间的差值；为胃肠镜图像的预期处理时间；为胃肠镜图像的大小；为胃肠镜图像的类型；、和均为衰减参数；为自然对数的底数；通过计算紧急程度权重，其中，为基于胃肠镜图像特征的紧急程度函数；为紧急程度的附加因素；为紧急程度的权重参数；为紧急程度权重；根据所述时间权重和紧急程度权重，并通过计算胃肠镜图像的优先级，其中，和均为权重参数；为胃肠镜图像的优先级；根据差值ΔA=－限制值的大小，对所述差值ΔA对应的胃肠镜图像进行排序，以得到排序数据。3.根据权利要求2所述的数据处理方法，其特征在于，对所述排序数据进行处理，以获得所述胃肠镜图像上的特征点，包括：对所述胃肠镜图像进行预处理，以得到平滑图像；根据所述平滑图像，对所述平滑图像进行多次高斯滤波，以构建尺度空间；根据尺度空间，对每个潜在的关键点进行定位，以得到定位关键点；为每个定位关键点分配一个或多个方向；对每个关键点生成一个特征描述符。4.根据权利要求3所述的数据处理方法，其特征在于，根据所述特征点，计算两张胃肠镜图像上的特征点之间的特征向量距离，包括：根据计算两个特征点之间的距离，其中，
n
和
n
分别是两张胃肠镜图像上的特征向量；W
n
为权重矩阵；S
n
为协方差矩阵，用于捕捉特征向量中的统计信息；K
n
为空间协方差矩阵，用于捕捉特征点之间的空间
关系；N表示矩阵的转置；n表示时间步；为特征向量
【专利技术属性】
技术研发人员：隋淑静，姜善元，高丽，王蕾，
申请(专利权)人：泰安市中心医院青岛大学附属泰安市中心医院，泰山医养中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。