[发明专利]油雾的确定方法、装置、存储介质及电子装置

说明书

本发明实施例提供了一种油雾的确定方法、装置、存储介质及电子装置，其中，该方法包括：获取通过图像采集设备所采集到的目标图像；对第一图像进行检测，获得第一图像的目标纹理信息；将第二图像输入第一分类网络，获得第一分类结果；将第三图像输入第二分类网络，获得第二分类结果；根据目标纹理信息，第一分类结果和第二分类结果，确定目标图像中是否存在油雾。通过本发明，解决了无法准确识别镜头上是否存在油雾的问题，进而达到了提高识别镜头上是否存在油雾的准确率的效果。

技术领域

本发明实施例涉及计算机领域，具体而言，涉及一种油雾的确定方法、装置、存储介质及电子装置。

背景技术

在图像处理领域，可以基于拍摄的图像执行特定的操作，其中，摄像设备拍摄的图像的清晰度会直接影响特定的操作的执行的准确度，例如，在镜头上存在油雾的情况下，会导致图像的清晰度下降。下面以内窥镜为例进行说明：

利用人工智能技术协助医生在切除病变组织时，识别内窥镜摄像头中存在的油雾，例如，医生在利用电刀或者超声刀切除人体组织时，由于温度较高会产生大量的油雾，而大量的油雾会附着在内窥镜的摄像头上，这会阻挡医生的视线，使医生无法正常进行手术，因此，需要自动检测内窥镜上是否存在油雾，在存在油雾的情况下可以自动发起油雾清洗操作，以保证医生手术的正常进行。

现有技术中，在对内窥镜上的油雾进行检测时，使用的为单一的深度网络模型，但是，由于内窥镜使用的场景比较复杂，比如部分烟雾较淡，数据的标注过程存在很强的主观性，并且其烟雾浓度高度依赖于帧间差异，且在内窥镜在使用期间可能会移出体外进行清洗、擦拭等，因此单一的深度网络模型存在较大的误检风险，无法准确识别镜头上是否存在的油雾。

针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种油雾的确定方法、装置、存储介质及电子装置，以至少解决相关技术中无法准确识别镜头上是否存在油雾的问题。

根据本发明的一个实施例，提供了一种油雾的确定方法，包括：获取通过图像采集设备所采集到的目标图像；对第一图像进行检测，获得所述第一图像的目标纹理信息，其中，所述第一图像是由所述目标图像变换得到的；将第二图像输入第一分类网络，获得第一分类结果，其中，所述第二图像是由所述第一图像变换得到的，所述第一分类结果用于指示所述第二图像是否为目标场景下拍摄的图像；将第三图像输入第二分类网络，获得第二分类结果，其中，所述第三图像是由所述第二图像变换得到的，所述第二分类结果用于指示所述第三图像中的油雾浓度，所述第二图像所对应的颜色空间和所述第三图像所对应的颜色空间不同；根据所述目标纹理信息，所述第一分类结果和所述第二分类结果，确定所述目标图像中是否存在油雾。

可选地，根据所述目标纹理信息，所述第一分类结果和所述第二分类结果，确定所述目标图像中是否存在油雾，包括：在所述目标纹理信息所指示的纹理程度超过预定程度阈值，所述第一分类结果用于指示所述第二图像为所述目标场景下拍摄的图像，且在基于所述第二分类结果确定出所述油雾浓度超过目标浓度阈值的情况下，确定所述目标图像中存在油雾。

可选地，所述对第一图像进行检测，获得所述第一图像的目标纹理信息，包括：获取所述第一图像的灰度图像；对所述第一图像的灰度图像进行去噪操作，获得去噪图像；根据所述去噪图像的梯度强度和梯度方向，使用非极大值抑制算法，获取所述去噪图像的边缘纹理图；根据所述边缘纹理图，获取所述目标纹理信息。

可选地，所述第一图像为YUV图像，所述第二图像为RGB图像，所述第三图像为HSV图像。

可选地，在将第二图像输入第一分类网络，获得第一分类结果之前，所述方法还包括：获得分类网络模型，其中，所述分类网络模型包括卷积层、池化层、Flatten层、全连接层和Softmax层，所述卷积层、所述池化层、所述Flatten层、所述全连接层和所述Softmax层依次连接；使用第一图像样本集合训练所述分类网络模型，得到所述第一分类网络。