[发明专利]导丝尖端跟踪方法及系统

权利要求书

1.一种导丝尖端跟踪方法，其特征在于，包括以下步骤：

获取初始帧图像，并利用特征提取方法FE生成特征簇其中i为序号，t为时刻；

对所述特征簇进行迭代处理，以获得唯一的导丝特征；

对所述导丝特征处理得到用于表示导丝尖端轨迹的连续点集；

其中，所述迭代处理包括以下步骤：

利用特征提取方法P-FE生成特征簇

根据分支i的所述特征簇的所有历史信息，判断分支i的所述特征簇是否为唯一的所述导丝特征；

所述特征提取方法P-FE包括以下步骤：

获取特征簇并对所述特征簇进行预处理，以得到多边形掩膜；

获取当前帧图像，并利用所述多边形掩膜从所述当前帧图像中提取多边形图像；

根据所述多边形图像，利用所述特征提取方法FE生成特征簇

2.根据权利要求1的导丝尖端跟踪方法，其特征在于，所述特征提取方法FE，包括以下步骤：

获取输入图像，并利用神经网络模型生成二值分割图像；

根据所述二值分割图像，利用邻域生长聚类方法生成特征簇。

3.根据权利要求2所述的导丝尖端跟踪方法，其特征在于，所述神经网络模型采用Unet模型。

4.根据权利要求1所述的导丝尖端跟踪方法，其特征在于，所述对所述特征簇进行预处理，以得到多边形掩膜，包括以下步骤：

根据预设的计算公式计算得到所述多边形掩膜；

其中，所述计算公式是：表示多边形掩膜，f(·)表示图像形态学操作方法中的膨胀操作，MFD表示最大前向移动距离，MBD表示最大后向移动距离，MAmp表示导丝的最大振幅。

5.根据权利要求1所述的导丝尖端跟踪方法，其特征在于，所述根据所述多边形图像，并利用所述特征提取方法生FE成特征簇包括以下步骤：

根据所述多边形图像，利用所述特征提取方法FE生成多个细粒度簇；

利用细粒度去噪合并方法，将多个所述细粒度簇合并为所述特征簇

6.根据权利要求1所述的导丝尖端跟踪方法，其特征在于，所述根据分支i的所述特征簇的所有历史信息，判断分支i的所述特征簇是否为唯一的所述导丝特征，包括以下步骤：

根据所述分支i的所述特征簇的所有所述历史信息，判断所述分支i的所述特征簇是否满足决策条件；

当所述分支i的所述特征簇满足所述决策条件，确定所述分支i的所述特征簇为导丝特征，并保留所述分支i的所述特征簇

当所述分支i的所述特征簇不满足所述决策条件，抛弃所述分支i的所述特征簇

判断所述导丝特征是否唯一；

当所述导丝特征唯一，结束所述迭代处理；

当所述导丝特征的数量大于一，继续所述迭代处理；

当所述导丝特征的数量小于一，重启所述导丝尖端跟踪方法。

7.根据权利要求6所述的导丝尖端跟踪方法，其特征在于，所述根据所述分支i的所述特征簇的所有所述历史信息，判断所述分支i的所述特征簇是否满足决策条件，包括以下步骤：

利用决策公式，计算所述分支i的每个t时刻的所述特征簇的质心与所述分支i的所述特征簇的质心之间的均方误差，以得到最大均方误差V_max；

当所述最大均方误差V_max小于预设的阈值，确定所述分支i的所述特征簇满足所述决策条件；

其中，决策公式为：

p表示最大序号，K表示最大时刻，d_t,i表示所述特征簇与所述特征簇之间的欧氏距离，g_a,i表示所述特征簇的质心。