【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种用于虚拟现实的胸外科手术动作捕捉方法。
技术介绍
1、在虚拟现实（vr）技术中，用于胸外科手术的动作捕捉方法是一个重要的研究领域，它可以帮助医生进行手术训练，提高手术精度和效率。但是在虚拟现实的胸外科手术动作捕捉过程中，通过虚拟现实（vr）技术获取胸外科手术动作的图像，通过胸外科手术动作的图像进行harris角点检测，获取图像中的角点，根据神经网络输入获取的角点以此来得到医生做手术时的姿态和动作类别，以此来进行胸外科手术动作捕捉。
2、但是在获取胸外科手术动作的图像过程中，因为胸外科手术中工具和组织的交互产生的反光、阴影或者形变会干扰角点检测，则降低了角点检测结果的准确性，也降低了胸外科手术动作捕捉的准确性。
技术实现思路
1、本专利技术提供一种用于虚拟现实的胸外科手术动作捕捉方法，以解决现有的问题。
2、本专利技术的一种用于虚拟现实的胸外科手术动作捕捉方法采用如下技术方案：
3、本专利技术一个实施例提供了一种用于虚拟现实的胸外科手术动作捕捉方法，该方法包括以下步骤：
4、获取连续若干帧的胸外科手术图像；
5、将每帧胸外科手术图像进行均等划分，得到每帧胸外科手术图像的若干个区域，根据每个区域内像素点的灰度分布、每个区域内每个像素点的邻域范围内的像素点灰度差异，得到每个区域的干扰特征值，根据每个区域的干扰特征值从所有区域中筛选出若干个干扰侧重区域；
6、根据每个区域的干扰特征值
7、根据胸外科手术图像中的所有角点通过神经网络对胸外科手术动作进行捕捉。
8、进一步地，所述根据每个区域内像素点的灰度分布、每个区域内每个像素点的邻域范围内的像素点灰度差异，得到每个区域的干扰特征值，根据每个区域的干扰特征值从所有区域中筛选出若干个干扰侧重区域，包括的具体步骤如下：
9、对每个区域内的所有像素点的灰度值通过z分数进行标准化处理，得到每个区域内每个像素点的z分数值；
10、将每个像素点的八邻域方向，记为每个像素点的标记方向，所述每个像素点的邻域范围包含多个标记方向；
11、其中，沿着每个标记方向，获取每个像素点每个标记方向上的个像素点，记为每个标记方向上的像素点，为预设第二参数；
12、根据每个区域内每个像素点的灰度值、每个像素点与每个像素点的标记方向上像素点的灰度值之间的差异，得到每个区域内每个像素点的灰度分布权重；
13、将每个区域内所有像素点的灰度值的均值记为每个区域的第一数值，根据每个区域内每个像素点的灰度分布权重、每个区域内每个像素点的灰度值和每个区域的第一数值、每个区域的第一数值和所有区域的第一数值的均值之间的差异，得到每个区域的干扰特征值；
14、将所有区域的干扰特征值大于或者等于预设阈值的区域，记为干扰侧重区域，其中，为预设阈值；
15、所述每个区域内像素点的灰度分布包括：每个区域内每个像素点的z分数值、每个区域的第一数值以及每个区域内每个像素点的灰度值。
16、进一步地，所述根据每个区域内每个像素点的灰度值、每个像素点与每个像素点的标记方向上像素点的灰度值之间的差异，得到每个区域内每个像素点的灰度分布权重，包括的具体步骤如下：
17、将每个区域内每个像素点的灰度值、每个区域内每个像素点的每个标记方向上的任意一个像素点的灰度值之间差值的绝对值，记为每个区域内每个像素点与每个像素点的每个标记方向上的任意一个像素点之间的第一差异值；将每个区域内每个像素点与每个像素点的每个标记方向上的所有像素点之间的第一差异值的累加和，记为每个区域内每个像素点的每个标记方向的第二数值，将每个区域内每个像素点的所有标记方向的第二数值中的最大值，记为每个区域内每个像素点的第三数值，将每个区域内每个像素点的第三数值和每个区域内每个像素点的z分数值的绝对值之间的乘积结果，记为每个区域内每个像素点的第一乘积值，对每个区域内所有像素点的第一乘积值进行线性归一化，将归一化后的每个区域内所有像素点的第一乘积值作为每个区域内每个像素点的灰度分布权重。
18、进一步地，所述根据每个区域内每个像素点的灰度分布权重、每个区域内每个像素点的灰度值和每个区域的第一数值、每个区域的第一数值和所有区域的第一数值的均值之间的差异，得到每个区域的干扰特征值，包括的具体步骤如下：
19、将每个区域内每个像素点的灰度分布权重和每个区域内每个像素点的灰度值之间的乘积结果，记为每个区域内每个像素点的第二乘积值，将每个区域内每个像素点的第二乘积值和每个区域的第一数值之间差值的平方，记为每个区域内每个像素点的第二差异值，将每个区域内所有像素点的第二差异值的累加和，记为每个区域的第四数值；
20、将每个区域的第一数值和所有区域的第一数值的均值之间差值的绝对值，记为每个区域的第一绝对值，将每个区域的第一绝对值与所有区域的第一数值的均值的比值，记为每个区域的第一比值，将每个区域的第四数值和每个区域的第一比值之间的乘积结果，记为每个区域的第三乘积值，对所有区域的第三乘积值进行线性归一化，将归一化后的每个区域的第三乘积值作为每个区域的干扰特征值。
21、进一步地，所述根据每个区域的干扰特征值、不同帧的胸外科手术图像中每个区域内相同位置的像素点之间灰度差异，得到胸外科手术图像的每个区域内每个像素点的方向偏导权重值，包括的具体步骤如下：
22、根据每个区域的所有邻域区域的干扰特征值、相邻帧的胸外科手术图像中同一个位置区域的干扰特征值之间的差异、相邻帧的胸外科手术图像中每个区域内相同位置的像素点之间灰度差异，得到胸外科手术图像的每个区域内每个像素点的干扰度；根据胸外科手术图像的每个区域内每个像素点的干扰度得到每个区域内每个像素点的方向偏导权重值。
23、进一步地，所述根据每个区域的所有邻域区域的干扰特征值、相邻帧的胸外科手术图像中同一个位置区域的干扰特征值之间的差异、相邻帧的胸外科手术图像中每个区域内相同位置的像素点之间灰度差异，得到胸外科手术图像的每个区域内每个像素点的干扰度，包括的具体步骤如下：
24、将每个区域八邻域内的区域，记为每个区域的邻域区域；
25、将相邻帧的每个区域的所有邻域区域中任意一个区域的干扰特征值之间的差值的绝对值、相邻帧的每个区域的每个像素点的灰度值的差值的绝对值之间的乘积结果，记为相邻帧的第四乘积值，将所有相邻帧的第四乘积值的累加和，记为每个区域的所有邻域区域中任意一个区域和每个区域的每个像素点的第五数值，对所有区域的所有邻域区域中任意一个区域和每个区域的每个像素点的第五数值进行线性归一化，将归一化后每本文档来自技高网...
【技术保护点】
1.一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述根据每个区域内像素点的灰度分布、每个区域内每个像素点的邻域范围内的像素点灰度差异，得到每个区域的干扰特征值，根据每个区域的干扰特征值从所有区域中筛选出若干个干扰侧重区域，包括的具体步骤如下：
3.根据权利要求2所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述根据每个区域内每个像素点的灰度值、每个像素点与每个像素点的标记方向上像素点的灰度值之间的差异，得到每个区域内每个像素点的灰度分布权重，包括的具体步骤如下：
4.根据权利要求2所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述根据每个区域内每个像素点的灰度分布权重、每个区域内每个像素点的灰度值和每个区域的第一数值、每个区域的第一数值和所有区域的第一数值的均值之间的差异，得到每个区域的干扰特征值，包括的具体步骤如下：
5.根据权利要求1所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述根据
6.根据权利要求5所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述根据每个区域的所有邻域区域的干扰特征值、相邻帧的胸外科手术图像中同一个位置区域的干扰特征值之间的差异、相邻帧的胸外科手术图像中每个区域内相同位置的像素点之间灰度差异，得到胸外科手术图像的每个区域内每个像素点的干扰度，包括的具体步骤如下：
7.根据权利要求5所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述根据胸外科手术图像的每个区域内每个像素点的干扰度得到每个区域内每个像素点的方向偏导权重值，包括的具体步骤如下：
8.根据权利要求1所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述根据胸外科手术图像的每个干扰侧重区域内每个像素点的方向偏导权重值，对胸外科手术图像进行角点检测，得到胸外科手术图像中的所有角点，包括的具体步骤如下：
9.根据权利要求1所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述根据胸外科手术图像中的所有角点通过神经网络对胸外科手术动作进行捕捉，包括的具体步骤如下：
10.根据权利要求1所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述将每帧胸外科手术图像进行均等划分，得到每帧胸外科手术图像的若干个区域，包括的具体步骤如下：
...【技术特征摘要】
1.一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述根据每个区域内像素点的灰度分布、每个区域内每个像素点的邻域范围内的像素点灰度差异，得到每个区域的干扰特征值，根据每个区域的干扰特征值从所有区域中筛选出若干个干扰侧重区域，包括的具体步骤如下：
3.根据权利要求2所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述根据每个区域内每个像素点的灰度值、每个像素点与每个像素点的标记方向上像素点的灰度值之间的差异，得到每个区域内每个像素点的灰度分布权重，包括的具体步骤如下：
4.根据权利要求2所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述根据每个区域内每个像素点的灰度分布权重、每个区域内每个像素点的灰度值和每个区域的第一数值、每个区域的第一数值和所有区域的第一数值的均值之间的差异，得到每个区域的干扰特征值，包括的具体步骤如下：
5.根据权利要求1所述一种用于虚拟现实的胸外科手术动作捕捉方法，其特征在于，所述根据每个区域的干扰特征值、不同帧的胸外科手术图像中每个区域内相同位置的像素点之间灰度差异，得到胸外科手术图像的每个区域内每个像素点的方向偏导权重值，包括的具体步骤...
【专利技术属性】
技术研发人员：贺海奇，田敏，王倩，高山，刘婷，张广健，付军科，
申请(专利权)人：西安交通大学医学院第一附属医院，
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。