[发明专利]一种内窥镜黏膜图像反光区域检测与修复系统

说明书

本发明公开一种内窥镜黏膜图像反光区域的检测与修复系统，包括：数据获取模块、黏膜反光区域检测网络模型模块、黏膜反光区域检测网络训练模块、黏膜反光区域检测模块、黏膜反光区域修复模块；数据获取模块获取内窥镜图像的数据训练集、验证集以及测试图像，通过网络训练模块训练、验证得到网络模型参数，所述检测模块对输入的内窥镜图像根据网络模型参数计算并标记输出黏膜反光区域标记图像，修复模块判断内窥镜图像是否存在黏膜反光区域，对存在黏膜反光区域的内窥镜图像进行修复，去除反光。本发明可以自动适应内窥镜反光区域检测，在给定反光内窥镜图像数据后，可以快速得到修复好的内窥镜图像，实现了内窥镜黏膜图像反光区域检测和修复功能。

技术领域

本发明涉图像处理技术领域，特别是涉及一种内窥镜黏膜图像反光区域检测与修复系统。

背景技术

内窥镜设备主要用于检查人体孔道如消化道、气管、耳鼻喉等器官的病变。医生主要通过观察内窥镜拍摄的人体腔道黏膜的视频或图像判断疾病状况。由于内窥镜上的发光装置的照明，图像通常会存在黏膜反光，这些强反光区域遮挡黏膜，给医生观察、审阅图像造成干扰。因此，采用计算机自动图像反光区域并进行去除或修复，有助于为医生诊断工作提供便利。

内窥镜图像应用广泛，对该图像放光区域检测并进行修复对疾病辅助诊断有较好的帮助，也能够减少反光在操作过程中对医生视野的干扰。目前内窥镜图像反光的处理技术主要通过一些固定数学模型的方法，或设置阈值的方法过滤出反光的区域再进行修复，涉及该类方法较复杂，如何设计一种在简单给定反光内窥镜图像数据、自动适应内窥镜反光区域检测的方法，是该领域需要解决的问题。

综上所述，如何提供一种内窥镜黏膜图像反光区域的检测和反光区修复方案，是目前本领域技术人员亟待解决的问题。

发明内容

为解决上述现有技术中存在的不足，本发明提供一种内窥镜黏膜图像反光区域的检测与修复系统，旨在能够实现自动适应内窥镜反光区域检测，在给定反光内窥镜图像数据后，可以快速得到修复好的内窥镜图像。

为实现上述技术目的，本发明采用的技术方案为：

一种内窥镜黏膜图像反光区域的检测与修复系统，包括：

数据获取模块，用于：获取内窥镜图像的数据训练集、验证集以及测试图像，所述训练集和验证集包括内窥镜图像及表示每个所述内窥镜图像中对黏膜反光区域的标记图像；

黏膜反光区域检测网络模型模块，用于：在训练阶段，接受训练集和验证集的内窥镜图像、以及所述图像对应的黏膜反光区域的标记图像，通过计算优化得到网络模型的参数；在黏膜反光区域检测阶段，对输入内窥镜图像为反光区域检测模块提供对应的模型参数；

黏膜反光区域检测网络训练模块，用于：利用所述训练集对所述反光区域检测网络模型进行训练，利用所述验证集测试训练后的网络模型得到网络模型的检测精度；更换基本卷积神经网络和网络参数，选取验证精度最高的网络模型作为最终训练完成的黏膜反光区域检测网络模型；

黏膜反光区域检测模块，用于：将内窥镜图像通过图像获取模块输入至训练完成的黏膜反光区域检测网络模型，通过该网络模型的参数计算输出黏膜反光区域标记图像，反光区域标记图像中反光区域呈现高亮度，非反光区域呈现低亮度；

黏膜反光区域修复模块，用于：判断内窥镜图像是否存在黏膜反光区域，并对存在黏膜反光区域的内窥镜图像进行修复，去除反光。

进一步地，所述黏膜图像反光区域检测网络模型模块包括一个输入卷积神经网络单元，所述输入卷积神经网络单元由1个二维卷积层和1个Relu激活函数层构成，其中二维卷积层为含有偏置，其卷积核的大小为3×3，卷积核数量为32～128个，卷积后的输出特征图像与输入的图像大小保持一致。