[发明专利]用于胶囊内窥镜的消化道出血图像检测方法

摘要

本发明提供了一种用于胶囊内窥镜的消化道出血图像检测方法，它包括如下步骤：步骤1：患者吞服胶囊内窥镜后，胶囊内窥镜在消化道内采集图像，并将图像通过无线通信送入计算机，计算机对消化道图像进行数据预处理；步骤2：对预处理后的消化道图像分别进行点状出血检测和面状出血检测，确定消化道内是否存在出血，并对点状出血区域和面状出血区域进行标识，本发明可有效识别出图像出血，提高了医生的工作效率。

主权项

1.一种用于胶囊内窥镜的消化道出血图像检测方法，其特征在于，它包括如下步骤：步骤1：患者吞服胶囊内窥镜后，胶囊内窥镜在消化道内采集图像，并将图像通过无线通信送入计算机，然后计算机对采集到的消化道图像进行数据预处理；步骤2：对预处理后的消化道图像分别进行点状出血检测和面状出血检测，确定消化道内是否存在出血，并对点状出血区域和面状出血区域进行标识；所述点状出血检测的具体步骤为：步骤201：采用基于Haar特征或LBP特征或Hog特征的Adaboost级联算法训练一个级联分类器，用该级联分类器来对预处理后的消化道图像进行扫描，找出预处理后的消化道图像中的疑似点状出血区域；步骤202：对得到的这些疑似点状出血区域采用疑似点状出血区域过滤算法进行排除，排除掉非点状出血区域；步骤203：对疑似点状出血区域中没有被步骤202排除的区域采用疑似点状出血区域分类算法进行分类，分类为点状出血块和非点状出血块，并将点状出血块进行标记；所述面状出血检测的具体步骤为：步骤2001：对预处理后的消化道图像进行超像素分割得到多个超像素图像块，超像素分割采用简单线性迭代聚类算法，得到的超像素图像块的个数与初始设置的种子数有关；步骤2002：计算每个超像素图像块在RGB颜色空间内的R分量均值meanR、G分量均值meanG和B分量均值meanB，另外，还计算出比值F1、比值F2和比值F3，其中，比值F1＝meanR/meanG，比值F2＝meanR/meanB，比值F3＝meanR/(meanR+meanG+meanB)；步骤2003：计算每个超像素图像块在HSI颜色空间内H分量均值meanH、S分量均值meanS、I分量均值meanI，另外，还计算出比值F4、比值F5和比值F6，其中，比值F4＝meanS/meanH，比值F5＝meanS/meanI，比值F6＝meanS/(meanH+meanS+meanI)；步骤2004：如果上述均值meanR小于阈值TmeanR或比值F1小于阈值TF1或比值F2小于阈值TF2，那么直接判定该超像素图像块不是出血超像素块，否则，该超像素图像块为疑似出血超像素块；步骤2005：对于疑似出血超像素图像块利用已训练好的支持向量机模型，输入比值F1、比值F2、比值F3、比值F4、比值F5、比值F6以及均值meanR、均值meanG、均值meanB进行出血超像素块与非出血超像素块的分类，并将出血超像素块进行标记；所述步骤202中的疑似点状出血区域过滤算法为：将疑似点状出血区域的图像转换到灰度空间，计算灰度图像的灰度均值，如果灰度均值小于阈值Tgray，判定疑似点状出血区域为非点状出血区域，并对该非点状出血区域进行排除；如果灰度均值不小于阈值Tgray，那么对疑似点状出血区域进行进一步的过滤排除，方法为：在RGB颜色空间下，分别获得消化道图像的单个颜色通道分量，即R、G和B分量，计算图像R分量与G分量的比值得到rg，R分量与B分量的比值得到rb，并计算rg的均值rgMean和rb的均值rbMean；分别根据rg与rgMean和rb与rbMean得到两个掩膜图rgMask和rbMask，计算方法如下：将掩膜图rgMask和rbMask作与运算得到两个掩膜相交的区域，如果相交区域为空，那么判定该疑似点状出血区域为非点状出血区域，实现了对疑似点状出血区域中非出血区域的进一步排除；所述步骤203：对疑似点状出血区域中没有被步骤202排除的区域采用疑似点状出血区域分类算法进行分类的具体方法为：利用人类视觉系统理论算法求取人类视觉系统掩膜Mask(HVS)，并利用人类视觉系统掩膜对疑似点状出血区域进行分割，产生前景数据和背景数据，图像中被人类视觉系统掩膜Mask(HVS)覆盖到的部分称为前景数据，未覆盖到的部分称为背景数据，然后对分割后的疑似点状出血区域进行特征提取，提取的特征包括前景区所占的面积比特征f_arearatio、对比度特征f_contrast、偏心率特征f_eccentricity、颜色特征f_rgb和形态学特征f_morpho，然后将上述前景区所占的面积比特征f_arearatio、对比度特征f_contrast、偏心率特征f_eccentricity、颜色特征f_rgb和形态学特征f_morpho送入已训练好的SVM模型中进行分类，将疑似点状出血区域中没有被步骤202排除的区域分类为点状出血区域和非点状出血区域；所述人类视觉系统掩膜Mask(HVS)包括R/G掩膜Mask(R/G)、R/B掩膜Mask(R/B)、边缘掩膜Mask(edge)、轮廓掩膜Mask(outline)和强度掩膜Mask(Intensity)，其中，R/G掩膜Mask(R/G)中R和G分别为彩色RGB图像的R分量和G分量，二者相除得到Map(R/G)，然后对Map(R/G)进行二值化，二值化计算的阈值设为Map(R/G)的中值，得到R/G掩膜，具体计算公式为：其中median(Map(R/G))是指求取Map(R/G)的中值；所述R/B掩膜Mask(R/B)中R和B分别为彩色RGB图像的R分量和B分量，二者相除得到Map(R/B)，然后对Map(R/B)进行二值化，二值化计算的阈值设为Map(R/B)的中值，得到R/B掩膜，具体计算公式为：其中median(Map(R/B))是指求取Map(R/B)的中值；所述边缘掩膜Mask(edge)用四个滤波核与疑似点状出血区域图像进行卷积操作得到四个边缘图，对每个像素点取四个边缘图中的最大值作为疑似点状出血区域图像的边缘edge_I，然后对疑似点状出血区域图像的边缘edge_I，利用视觉显著度理论求取显著的边缘得到边缘掩膜Mask(edge)，具体计算公式为：其中median是求中值的函数，std是求标准差的函数；所述轮廓掩膜Mask(outline)，通过添加一个半径为图像宽度的一半的圆形掩膜，去掉四周的边界信息得到；所述强度掩膜Mask(Intensity)的具体计算公式为：其中I＝(R+G+B)/3，R、G、B分别为彩色RGB图像的R分量、G分量和B分量，mean为求均值的函数，std为求标准差的函数；所述的人类视觉系统掩膜Mask(HVS)由五个子掩膜Mask(R/G)、Mask(R/B)、Mask(edge)、Mask(outline)和Mask(Intensity)相交得到，具体计算公式为：Mask(HVS)＝Mask(R/G)∩Mask(R/B)∩Mask(edge)∩Mask(outline)∩Mask(Intensity).。