[发明专利]基于迁移学习的胶囊内窥镜图像分类系统及方法

说明书

本发明所设计的基于迁移学习的胶囊内窥镜图像分类系统，图像预处理模块用于去除图像亮度均值在预设图像亮度阈值以外的胶囊内窥镜图像，并利用图像亮度标准差和图像亮度梯度去除没有细节的胶囊内窥镜图像；相似图像去除模块用于对预处理后的胶囊内窥镜图像利用光流方法去除相似性图像；图像分类模块用于将经上述两个模块处理后的胶囊内窥镜图像按对应的解剖学结构进行图片分类，并得到按时间顺序排列的分类后的胶囊内窥镜图像序列；关键图像定位模块用于在胶囊内窥镜图像序列中确定并标记各个特定解剖学结构图像第一张出现的位置。本发明能快速去除冗余图像、去除无细节图像减少了医生需要查看的图像数量。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于迁移学习的胶囊内窥镜图像分类系统及方法。

技术背景

现有胶囊内窥镜做完一次检查，会得到大量的图像数据(约50000张)，而在图像数据中有特定的解剖学结构(如贲门、幽门、十二指肠等)的图像占整个图像数据的比例很小，从大量数据中挑选出需要的图像数据是非常困难的，加大了医生工作的难度。因此，需要一种方法能够去除冗余图像数据并能够将图像数据按特定的消化道解剖学结构分类，从而降低医生的工作难度，提高医生的工作效率。

发明内容

本发明的目的在于提供一种基于迁移学习的胶囊内窥镜图像分类系统及方法，本发明能快速去除冗余图像、去除无细节图像减少了医生需要查看的图像数量，减少了医生的工作量，将图像快速定位到消化道各个部位，提高了医生的工作效率。

为实现上述发明目的，本发明所设计的基于迁移学习的胶囊内窥镜图像分类系统，包括图像预处理模块、相似图像去除模块、图像分类模块和关键图像定位模块；

所述图像预处理模块用于去除图像亮度均值在预设图像亮度阈值以外的胶囊内窥镜图像，并利用图像亮度标准差和图像亮度梯度去除没有细节的胶囊内窥镜图像；

所述相似图像去除模块用于对预处理后的胶囊内窥镜图像利用光流方法去除相似性图像；

所述图像分类模块用于将经所述图像预处理模块和所述相似图像去除模块处理后的胶囊内窥镜图像按对应的解剖学结构进行图片分类，并得到按时间顺序排列的分类后的胶囊内窥镜图像序列；

所述关键图像定位模块用于在按时间顺序排列的分类后的胶囊内窥镜图像序列中确定并标记各个特定解剖学结构图像第一张出现的位置。

作为本发明的进一步改进，所述图像预处理模块用于计算胶囊内窥镜图像中图像有效区域内的亮度均值M，当所述图像亮度均值M小于图像亮度过暗阈值Low时，判定对应的胶囊内窥镜图像过暗，将其去除；当所述图像亮度均值M大于图像亮度过亮阈值High时，判定对应的胶囊内窥镜图像过亮，将其去除。

作为本发明的进一步改进，所述图像预处理模块还用于计算胶囊内窥镜图像有效区域内的图像亮度标准差S和图像亮度梯度G，并统计所述图像亮度梯度G满足条件的像素个数B，当所述图像亮度标准差S小于图像亮度标准差阈值Std、或所述像素个数B小于有效梯度个数阈值GradNum时，判定对应的胶囊内窥镜图像没有细节，将其排除。作为本发明的进一步改进，所述相似图像去除模块对预处理后的胶囊内窥镜图像利用光流方法去除相似性图像的具体方法为：

在当前胶囊内窥镜图像的图像有效区域内设置K个特征点；

对下一张胶囊内窥镜图像的亮度进行调整，将其亮度均值调整到与所述当前胶囊内窥镜图像的亮度均值相同；

在上述下一张胶囊内窥镜图像的图像有效区域内，将所述当前胶囊内窥镜图像的特征点位置设为初始位置，利用光流方法，在所述初始位置周围寻找所述当前胶囊内窥镜图像中每个特征点的最佳匹配位置；

给每个特征点的最佳匹配位置分配一个权值，统计所有特征点的最佳匹配位置的权值和，该权值和为图像匹配权值W，利用所述图像匹配权值W去除相似性图像。