[发明专利]一种肠衣套缩管图像分级系统及方法

权利要求书

1.一种肠衣套缩管图像分级系统，其特征在于：包括：

图像接收模块：用于接收图像设备获取的肠衣套缩管外壁的RGB图像；

图像处理模块：提取出图像接收模块所接收RGB图像中的肠衣套缩管图像，

将肠衣套缩管图像转换成Lab图像，Lab图像经过滤波后通过动态阈值进行二值化，得到肠衣套缩管图像中的彩色可疑点；

将肠衣套缩管图像进行灰度化处理得到灰度图像，灰度图像经过滤波后通过动态阈值进行二值化，得到肠衣套缩管图像中的黑白可疑点；

合并彩色可疑点和黑白可疑点，得到肠衣套缩管图像中的全部可疑点，将全部可疑点对应到肠衣套缩管图像中；

设定模块：用于设定肠衣套缩管图像中各可疑点的级别；

支持向量机模块：由支持向量机计算各级别中每个可疑点所在区域图像的综合值，确定各级别可疑点的数值范围；

分级处理模块：依据待分级的肠衣套缩管图像中每个可疑点所在区域图像的综合值所在的数值范围，确定每个可疑点的级别，依据肠衣套缩管中最低级别的可疑点所属级别确定该肠衣套缩管的级别。

2.按照权利要求1所述的肠衣套缩管图像分级系统，其特征在于：还包括清除模块，用于清除支持向量机模块中各级别可疑点的数值范围。

3.按照权利要求1或2所述的肠衣套缩管图像分级系统，其特征在于：所述图像处理模块还对肠衣套缩管图像进行增强处理，增强处理后的肠衣套缩管图像再转换成Lab图像和灰度化处理。

4.按照权利要求3所述的肠衣套缩管图像分级系统，其特征在于：所述滤波为均值滤波，动态阈值是指减均值滤波。

5.按照权利要求3所述的肠衣套缩管图像分级系统，其特征在于：所述图像处理模块还对得到的二值化图像进行开运算和闭运算处理。

6.一种肠衣套缩管图像分级方法，其特征在于：包括以下步骤：

（1）确定待分级肠衣套缩管的可疑点：将肠衣套缩管的RGB图像分别处理成Lab图像和灰度图像，Lab图像经滤波后通过动态阈值进行二值化，得到肠衣套缩管图像中的彩色可疑点，灰度图像经滤波后通过动态阈值进行二值化，得到肠衣套缩管图像中的黑白可疑点，合并彩色可疑点和黑白可疑点，得到该肠衣套缩管的所有可疑点，

（2）确定待分级肠衣套缩管中各可疑点的级别：将步骤（1）得到的可疑点对应到肠衣套缩管的RGB图像中，由支持向量机计算RGB图像中各可疑点对应图像的综合值，依据综合值所属的数值范围，确定各可疑点的级别；

（3）确定肠衣套缩管的级别：依据步骤（2）中得到的肠衣套缩管中可疑点的最低级别确定该肠衣套缩管的级别。

7.按照权利要求6所述的肠衣套缩管图像分级方法，其特征在于：步骤（2）中的数值范围是由支持向量机自学习步骤而得：将肠衣套缩管的RGB图像分别处理成Lab图像和灰度图像，Lab图像经滤波后通过动态阈值进行二值化，得到肠衣套缩管图像中的彩色样本可疑点，灰度图像经滤波后通过动态阈值进行二值化，得到肠衣套缩管图像中的黑白样本可疑点，合并彩色样本可疑点和黑白样本可疑点，得到该肠衣套缩管的所有样本可疑点，将得到的各样本可疑点对应到肠衣套缩管的RGB图像中，进行级别设定；

由支持向量机计算已设定级别的各样本可疑点对应图像的综合值，确定各级别可疑点的数值范围。

8.按照权利要求7所述的肠衣套缩管图像分级方法，其特征在于：支持向量机自学习步骤中，各级别可疑点的样本数为100点以上。

9.按照权利要求7所述的肠衣套缩管图像分级方法，其特征在于：所述综合值由图像特征确定，图像特征包括图像颜色、图像灰度、图像对比度、纹理、像素均值、像素方差、像素最大值和像素最小值中的一种或者任意两者以上的组合。

10.按照权利要求7所述的肠衣套缩管图像分级方法，其特征在于：在步骤（1）和支持向量机自学习步骤中，先对肠衣套缩管图像进行增强处理后再转换成Lab图像和灰度化处理；所述滤波为均值滤波，动态阈值是指减均值滤波；对二值化后的图像进行开运算和闭运算处理，得到可疑点。