【技术实现步骤摘要】
本专利技术涉及图像处理，尤其是涉及一种图像处理方法、装置、电子设备和计算机可读存储介质。
技术介绍
1、医用内窥镜目前广泛应用于人体微创手术，是一种重要的医疗器械。使用时，内窥镜通过人体的天然孔洞或微创切口进入人体内，医生通过观察cmos相机传输的图像，判断病灶区域。然而由于手术过程中，电刀灼烧组织会产生非均匀烟雾模糊画面，影响手术进程，如何实现医用内窥镜图像快速去雾成为亟待解决的问题。
2、现有技术中公开了一些基于深度神经网络的内窥镜图像烟雾净化方法，但是，现有技术中的去雾处理过程较为繁琐，网络的结构也较为复杂，图像处理的速度较慢，用户体验不佳。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种图像处理方法、装置、电子设备和计算机可读存储介质，通过简单的去雾模型实现内窥镜图像的烟雾净化，加快了图像处理速度，提升了用户体验。
2、第一方面，本专利技术提供的一种图像处理方法，应用于医用内窥镜图像处理系统，图像处理方法包括：获取目标图像；将目标图像输入预先训练完成的去雾模型中，输出清晰图像；其中，去雾模型为基于编码、解码结构的卷积神经网络模型；去雾模型包括多个实例归一化层和至少一个信息层；信息层用于提取去雾模型中卷积块输出的特征。
3、在本专利技术一些较佳的实施例中，去雾模型通过下述步骤训练完成：获取无雾图像和第一有雾图像；将无雾图像输入预先设置的大气散射模型中，输出第二有雾图像，将多组第二有雾图像和对应的无雾图像作为训练样本；将训练样本按照
4、在本专利技术一些较佳的实施例中，将无雾图像输入预先设置的大气散射模型中，输出第二有雾图像，将多组第二有雾图像和对应的无雾图像作为训练样本的步骤，包括：将无雾图像归一化处理；将归一化处理后的无雾图像输入大气散射模型后，通过大气散射模型选取图像中心点，设置参数范围，输出第二有雾图像；将多组第二有雾图像和对应的无雾图像作为训练样本。
5、在本专利技术一些较佳的实施例中，在基于训练集迭代训练基础模型的步骤之后，方法还包括：在每一次迭代后，基于验证集确定经过迭代训练的基础模型的损失值；如果连续多个损失值的差值小于预设的差值阈值，将经过迭代训练的基础模型作为中间模型。
6、在本专利技术一些较佳的实施例中，在基于无雾图像和第一有雾图像测试中间模型的步骤之后，方法还包括：如果测试不通过，调整基础模型的超参数；基于训练集继续迭代训练调整了超参数的基础模型，直至测试通过。
7、在本专利技术一些较佳的实施例中，基础模型包括编码路径和解码路径；编码路径包括依次连接的五个特征提取单元；解码路径包括依次连接的四个特征还原单元和一个激活层；其中，每个特征还原单元均连接一个信息层。
8、第二方面，本专利技术提供的一种图像处理装置，应用于医用内窥镜图像处理系统，图像处理装置包括：目标图像采集模块，用于获取目标图像；图像去雾模块，用于将目标图像输入预先训练完成的去雾模型中，输出清晰图像；其中，去雾模型为基于编码、解码结构的卷积神经网络模型；去雾模型包括多个实例归一化层和至少一个信息层；信息层用于提取去雾模型中卷积块输出的特征。
9、在本专利技术一些较佳的实施例中，图像处理装置还包括：模型训练模块，用于获取无雾图像和第一有雾图像；将无雾图像输入预先设置的大气散射模型中，输出第二有雾图像，将多组第二有雾图像和对应的无雾图像作为训练样本；将训练样本按照预先设置的比例分为训练集和验证集；基于训练集迭代训练基础模型；其中，基础模型为基于编码、解码结构的卷积神经网络模型；基础模型包括多个实例归一化层和至少一个信息层；信息层用于提取基础模型中卷积块输出的特征；将训练了预设次数的基础模型作为中间模型；基于无雾图像和第一有雾图像测试中间模型；如果测试通过，将中间模型作为去雾模型。
10、第三方面，本专利技术提供的一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述任一项的图像处理方法。
11、第四方面，本专利技术提供的一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述任一项的图像处理方法。
12、本专利技术实施例带来了以下有益效果：
13、本专利技术提供的一种图像处理方法、装置、电子设备和计算机可读存储介质，该方法应用于医用内窥镜图像处理系统，包括：获取目标图像；将目标图像输入预先训练完成的去雾模型中，输出清晰图像；其中，去雾模型为基于编码、解码结构的卷积神经网络模型；去雾模型包括多个实例归一化层和至少一个信息层；信息层用于提取去雾模型中卷积块输出的特征；通过简单的去雾模型实现内窥镜图像的烟雾净化，加快了图像处理速度，提升了用户体验。
本文档来自技高网...【技术保护点】
1.一种图像处理方法，其特征在于，应用于医用内窥镜图像处理系统，所述图像处理方法包括：
2.根据权利要求1所述的图像处理方法，其特征在于，所述去雾模型通过下述步骤训练完成：
3.根据权利要求2所述的图像处理方法，其特征在于，将所述无雾图像输入预先设置的大气散射模型中，输出第二有雾图像，将多组所述第二有雾图像和对应的所述无雾图像作为训练样本的步骤，包括：
4.根据权利要求2所述的图像处理方法，其特征在于，在基于所述训练集迭代训练基础模型的步骤之后，所述方法还包括：
5.根据权利要求2所述的图像处理方法，其特征在于，在基于所述无雾图像和所述第一有雾图像测试所述中间模型的步骤之后，所述方法还包括：
6.根据权利要求2所述的图像处理方法，其特征在于，所述基础模型包括编码路径和解码路径；
7.一种图像处理装置，其特征在于，应用于医用内窥镜图像处理系统，所述图像处理装置包括：
8.根据权利要求7所述的图像处理装置，其特征在于，所述装置还包括：
9.一种电子设备，其特征在于，包括处理器和存储器，所述
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1至6任一项所述的图像处理方法。
...【技术特征摘要】
1.一种图像处理方法，其特征在于，应用于医用内窥镜图像处理系统，所述图像处理方法包括：
2.根据权利要求1所述的图像处理方法，其特征在于，所述去雾模型通过下述步骤训练完成：
3.根据权利要求2所述的图像处理方法，其特征在于，将所述无雾图像输入预先设置的大气散射模型中，输出第二有雾图像，将多组所述第二有雾图像和对应的所述无雾图像作为训练样本的步骤，包括：
4.根据权利要求2所述的图像处理方法，其特征在于，在基于所述训练集迭代训练基础模型的步骤之后，所述方法还包括：
5.根据权利要求2所述的图像处理方法，其特征在于，在基于所述无雾图像和所述第一有雾图像测试所述中间模型的步骤之后，所述方法还包括：
6.根据权利要...
【专利技术属性】
技术研发人员：蔡惠明，陈萌，马陈，王子阳，王银芳，
申请(专利权)人：南京诺源医疗器械有限公司，
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。