【技术实现步骤摘要】
本说明书涉及图像处理领域，更具体地说，本申请涉及一种共聚焦内窥镜图像处理的方法及相关设备。
技术介绍
1、共聚焦内窥镜是一种可以借助胃镜、结肠镜等通道伸入人体，获取局部组织学图像来实现微小病灶、胃肠道病变及早期胃肠道癌变的精准诊断的医疗设备。根据公开的资料，共聚焦内窥镜产品帧频可达18fps。据此可以计算出，使用共聚焦内窥镜进行10分钟的临床检查过程，会产生10800帧图像。如果医师回顾检查图像时，每帧耗时0.5秒，则要花1.5小时才能回顾完这次检查的所有图像，这是非常耗时的操作。
2、实际上，共聚焦图像由于放大倍数高且视野较小的特点，产生的图像中有很多过暗、过亮、模糊、包含了运动伪影的无效图像，这些图像不能提供诊断信息。公开资料显示，约有一半的图像是不包含诊断信息的。如果能从中筛选出这些无效图像，剩下的有效图像交由医师回顾，可以极大减轻医师的工作量，提高医疗机构的效率。
技术实现思路
1、在
技术实现思路
部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。本申请的
技术实现思路
部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
2、第一方面，本申请提出一种共聚焦内窥镜图像处理的方法，上述方法包括：
3、获取共聚焦内窥镜图像的感兴趣区域图像；
4、获取上述感兴趣区域图像的第一特征信息和第二特征信息，其中，上述第一特征信息是基于上述感兴趣区域图像的
5、通过上述第一特征信息和上述第二特征信息利用目标分类器进行识别以获取有效图像，其中，上述目标分类器是级联分类器。
6、在一种实施方式中，上述获取共聚焦内窥镜图像的感兴趣区域，包括：
7、获取相同检测区域的预设数目的拍摄图像，其中，所有上述拍摄图像的高度和宽度相等；
8、根据所有拍摄图像在相同像素位置的最大像素值构建待处理图像；
9、基于otsu方法进行阈值化处理，获取二值图像；
10、将上述二值图像的低阈值区域确定为上述感兴趣区域图像。
11、在一种实施方式中，上述方法还包括：
12、获取上述感兴趣区域的像素值直方图；
13、根据上述像素值直方图统计结果确定上述第一特征信息。
14、在一种实施方式中，上述方法还包括：
15、对上述感兴趣区域利用至少两组目标算子集进行卷积操作获取多组卷积数据集；
16、在每个上述卷积数据集中对多个卷积数据进行最大取整操作以获取目标卷积数据；
17、根据每组中的上述目标卷积数据确定上述第二特征信息。
18、在一种实施方式中，上述目标算子集中的目标算子为方阵，上述目标算子的居中行元素、居中列元素或对角线元素为零元素，上述目标算子的其他元素为正单位元素和负单位元素，上述正单位元素和上述负单位元素关于上述零元素对称。
19、在一种实施方式中，上述目标算子的最大行元素数量或最大列元素数量n根据下式确定：
20、n＝floor(min(h/4,w/4))
21、式中，h为上述共聚焦内窥镜图像的图像高度，w为上述聚焦内窥镜图像的图像宽度，floor为向下取整函数。
22、在一种实施方式中，上述级联分类器包括第一分类器、第二分类器和第三分类器，上述第一分类器用于根据上述第一特征信息获取第一分类结果，上述第二分类器用于根据上述第二特征信息获取第二分类结果，上述第三分类器用于根据上述第一特征信息和上述第二特征信息获取第三分类结果，
23、上述通过上述第一特征信息和上述第二特征信息利用目标分类器进行识别以获取有效图像，包括：
24、在上述第一分类结果和上述第二分类结果相同的情况下，根据上述第一分类结果和/或上述第二分类结果获取上述有效图像；
25、和/或，
26、在上述第一分类结果和上述第二分类结果不同的情况下，根据上述第三分类结果获取上述有效图像。
27、第二方面，本申请还提出一种共聚焦内窥镜图像处理装置，包括：
28、第一获取单元，用于获取共聚焦内窥镜图像的感兴趣区域图像；
29、第二获取单元，用于获取上述感兴趣区域图像的第一特征信息和第二特征信息，其中，上述第一特征信息是基于上述感兴趣区域图像的像素值直方图确定的特征值信息，上述第二特征信息是基于至少两个目标算子进行卷积操作后获取的卷积信息对应的特征值信息；
30、第三获取单元，用于通过上述第一特征信息和上述第二特征信息利用目标分类器进行识别以获取有效图像，其中，上述目标分类器是级联分类器。
31、第三方面，一种电子设备，包括：存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器用于执行存储器中存储的计算机程序时实现如上述的第一方面任一项的共聚焦内窥镜图像处理的方法的步骤。
32、第四方面，本申请还提出一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时实现第一方面上述任一项的共聚焦内窥镜图像处理的方法。
33、综上，本申请实施例的共聚焦内窥镜图像处理的方法包括：获取共聚焦内窥镜图像的感兴趣区域图像；获取上述感兴趣区域图像的第一特征信息和第二特征信息，其中，上述第一特征信息是基于上述感兴趣区域图像的像素值直方图确定的特征值信息，上述第二特征信息是基于至少两个目标算子进行卷积操作后获取的卷积信息对应的特征值信息；通过上述第一特征信息和上述第二特征信息利用目标分类器进行识别以获取有效图像，其中，上述目标分类器是级联分类器。本申请提出的方法，通过利用像素值直方图和卷积信息作为特征，级联分类器可以在多个层次对感兴趣区域图像进行分析。这种分层筛选可以帮助降低误识别率，提高图像识别的准确性。根据级联分类器逐级筛选的特点，对于不符合条件的图像区域可以快速排除，从而减少了后续处理的计算量，可以提高算法的执行速度，尤其在处理大量图像时尤为明显。提取的第一和第二特征信息分别代表了图像的亮度、对比度、纹理和边缘等信息。通过综合利用这些信息，可以更全面地描述图像特征，提高图像识别的鲁棒性。卷积信息可以帮助捕捉图像的纹理和结构特征，级联分类器可以通过不同阶段的分析，逐步筛选出与目标有关的图像区域。通过本方法在医学影像领域，有效图像的提取可以帮助医生更准确地分析病变和异常，从而提高医学诊断的准确性。
34、本申请提出的共聚焦内窥镜图像处理的方法，本申请的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本申请的研究和实践而为本领域的技术人员所理解。
本文档来自技高网...【技术保护点】
1.一种共聚焦内窥镜图像处理方法，其特征在于，包括：
2.根据权利要求1所述的共聚焦内窥镜图像处理方法，其特征在于，所述获取共聚焦内窥镜图像的感兴趣区域，包括：
3.根据权利要求1所述的共聚焦内窥镜图像处理方法，其特征在于，还包括：
4.根据权利要求1所述的共聚焦内窥镜图像处理方法，其特征在于，还包括：
5.根据权利要求4所述的共聚焦内窥镜图像处理方法，其特征在于，所述目标算子集中的目标算子为方阵，所述目标算子的居中行元素、居中列元素或对角线元素为零元素，所述目标算子的其他元素为正单位元素和负单位元素，所述正单位元素和所述负单位元素关于所述零元素对称。
6.根据权利要求5所述的共聚焦内窥镜图像处理方法，其特征在于，所述目标算子的最大行元素数量或最大列元素数量N根据下式确定：
7.根据权利要求1所述的共聚焦内窥镜图像处理方法，其特征在于，所述级联分类器包括第一分类器、第二分类器和第三分类器，所述第一分类器用于根据所述第一特征信息获取第一分类结果，所述第二分类器用于根据所述第二特征信息获取第二分类结果，所述第三分
8.一种共聚焦内窥镜图像处理装置，其特征在于，包括：
9.一种电子设备，包括：存储器和处理器，其特征在于，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述的共聚焦内窥镜图像处理的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的共聚焦内窥镜图像处理的方法。
...【技术特征摘要】
1.一种共聚焦内窥镜图像处理方法，其特征在于，包括：
2.根据权利要求1所述的共聚焦内窥镜图像处理方法，其特征在于，所述获取共聚焦内窥镜图像的感兴趣区域，包括：
3.根据权利要求1所述的共聚焦内窥镜图像处理方法，其特征在于，还包括：
4.根据权利要求1所述的共聚焦内窥镜图像处理方法，其特征在于，还包括：
5.根据权利要求4所述的共聚焦内窥镜图像处理方法，其特征在于，所述目标算子集中的目标算子为方阵，所述目标算子的居中行元素、居中列元素或对角线元素为零元素，所述目标算子的其他元素为正单位元素和负单位元素，所述正单位元素和所述负单位元素关于所述零元素对称。
6.根据权利要求5所述的共聚焦内窥镜图像处理方法，其特征在于，所述目标算子的最大行元素数量或最大列元素数量n根据下式...
【专利技术属性】
技术研发人员：段西尧，瞿小丹，
申请(专利权)人：精微视达医疗科技苏州有限公司，
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。