[发明专利]一种新型医学视频图像采集和数据管理系统

说明书

本发明涉及视频图像采集和存储的技术领域，揭露了一种医学视频图像采集和存储方法，包括：利用无参考质量评价模型对得到的每帧视频图像进行质量评估，计算最优医学视频图像；利用双立方插值变换初始化最优医学视频图像的图片；通过梯度强度和梯度方向计算检测图像梯度特征；利用卷积神经网络获得输出特征，并联合提取到的图像梯度特征，作为组合特征，利用随机森林分类器进行分类；基于最优医学视频图像分类信息建立索引，并利用高性能分布式存储结构进行医学影像视频数据存储。本发明还提出了一种新型医学视频图像采集和数据存储系统。本发明实现了医学视频图像数据采集与数据存储。

技术领域

本发明涉及视频数据处理和存储的技术领域，尤其涉及一种新型医学视频图像采集和数据管理方法。

背景技术

医学扫描视频数据是医学上判断器官病变和病灶发展的重要依据，对于医学类视频，医学研究者不仅要对病变情况进行判断，在同一个视频扫描到多个器官位置时，也需要对扫描到的器官进行辨别。

随着互联网的发展和医学的发达，可获取的医学视频影像数据越来越多，数据量越来越庞大，医学研究者也有了越来越多的研究参照和判别依据。但是作为学科分类细致的医学研究者们，如何提取同类器质的医学影像数据成为了亟待解决的问题。与此同时，如何对海量视频数据进行存储，也是需要解决的重点问题。

鉴于此，如何快速检索提取同类器质的信息和进行大容量存储，成为本领域技术人员亟待解决的问题。

发明内容

本发明提供一种医学视频图像采集和数据管理存储方法，通过利用无参考质量评价模型对视频图像进行质量评估得到最优医学视频图像，并利用双立方插值变换初始化最优医学视频图像的图片统一图像规格，检测梯度特征，同时利用卷积神经网络获得输出特征，输入到随机森林分类器中进行分类，最终利用高性能分布式存储结构进行医学影像视频数据存储，实现分类检索。

为实现上述目的，本发明提供的一种新型医学视频图像采集和数据管理方法，包括：

利用无参考质量评价模型对得到的每帧视频图像进行质量评估，计算最优医学视频图像；

利用双立方插值变换初始化最优医学视频图像的图片，得到目标规格的图像；

通过梯度强度和梯度方向计算检测目标规格图像的梯度特征；

利用卷积神经网络获得输出特征，并联合提取到的图像梯度特征，作为组合特征，利用随机森林分类器进行分类；

基于最优医学视频图像分类信息建立索引，利用高性能分布式存储结构进行医学影像视频数据存储。

可选地，所述利用无参考质量评价模型对得到的每帧视频图像进行质量评估，计算最优医学视频图像，包括：

1)灰度化压缩后图像，计算相邻帧像素点的灰度值，对于一个像素点(i,j)，其灰度值为L(i,j)：

其中：

R(i,j)、G(i,j)、B(i,j)分别为像素点(i,j)在R、G、B颜色通道的色彩度；

2)将每一像素点(i,j)按照3×3区域滑动，计算区域内灰度值高斯均值μ(i,j)为：

其中：

高斯核w_k,h为2维循环对称高斯权重函数；

L_k,h(i,j)为区域中心点像素灰度值；

得到区域方差为：

因此区域亮度系数为：