[发明专利]一种胶囊内窥镜图像识别方法

权利要求书

1.一种胶囊内窥镜图像识别方法，包括以下步骤：

a.图像获取：获取胶囊内窥镜拍摄的图像；

b.图像预处理：对获取到的图像进行预处理并挑选出有效的照片，同时删除无效的照片；

c.图像颜色特征提取：在HSV颜色空间下的采用颜色矩方法提取图像的颜色特征；

d.图像纹理特征提取：在HSV颜色空间下提取图像的纹理特征；

e.图像特征融合：将步骤c提取的颜色特征和步骤d提取的纹理特征进行融合并获得新特征；

f.图像分类处理：采用融合后的新特征对分类器进行分类训练，然后利用该分类器对预处理过的照片进行分类并识别出出血照片和病变的照片。

2.根据权利要求1所述的一种胶囊内窥镜图像识别方法，其特征在于：所述步骤b中图像预处理包括图像增强和图像场景分类。

3.根据权利要求1所述的一种胶囊内窥镜图像识别方法，其特征在于：所述步骤c中图像颜色特征提取采用图像在HSV颜色空间下的三阶颜色距作为颜色特征。

4.根据权利要求1所述的一种胶囊内窥镜图像识别方法，其特征在于：所述步骤d中图像纹理特征提取是在HSV颜色空间下采用Contourlet变换提取图像的纹理特征。

5.根据权利要求1所述的一种胶囊内窥镜图像识别方法，其特征在于：所述步骤f中对预处理图像进行分类是指将图像分为无效图像、正常图像、出血图像和病变图像。

6.根据权利要求1所述的一种胶囊内窥镜图像识别方法，其特征在于：所述步骤f中采用融合后的新特征对分类器进行分类训练，该分类器采用支持向量机算法思想，其具体步骤如下：

1)将内窥镜图像提前进行人工分类，然后存入不同的文件夹中；

2)读取内窥镜图像中规定的mask图像；

3)读取各文件夹里的已分类的内窥镜图像，利用上一步骤中的mask图像对各类别图像进行遮挡并提取所有图像的特征，同时按照类别进行分类；

4)将所有原图像进行乱序处理，用一半图像特征来对分类器进行机器学习，即将该用于训练的图像特征输入分类器进行机器学习；另一半图像特征来验证分类器的效果和性能，即将该待分类的图像特征输入训练好的分类器进行分类并得到结果；

5)将分类结果与人工分类的结果进行对比，达到要求后即完成分类器的分类训练。

7.根据权利要求6所述的一种胶囊内窥镜图像识别方法，其特征在于：所述步骤1)中将内窥镜图像提前进行人工分类，是指将图像分为无效图像、正常图像、出血图像和病变图像。