[0056] 被預測的類標號是使P間Ci)P(。）最大的。。
[0化7] 綜上所述，由于采用了上述技術方案，本發(fā)明的有益效果是：
[0化引基于HSI顏色空間特征向量的樸素貝葉斯分類器，和基于LBP紋理特征向量的樸 素貝葉斯分類器。該兩種分類器有各有各自的優(yōu)秀點，將會提升分段效率，并獲得了好的結 果。
[0化9] 本發(fā)明的附加方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變 得明顯，或通過本發(fā)明的實踐了解到。
【附圖說明】
[0060] 本發(fā)明的上述和/或附加的方面和優(yōu)點從結合下面附圖對實施例的描述中將變 得明顯和容易理解，其中：
[0061] 圖1是本發(fā)明WCE視頻分段提取特征信息的方法流程圖；
[0062] 圖2是本發(fā)明WCE視頻分段提取特征信息的方法采集圖像信息示意圖；
[0063] 圖3是本發(fā)明WCE視頻分段提取特征信息的方法HSI變換示意圖；
[0064] 圖4是本發(fā)明WCE視頻分段提取特征信息的方法LBP變換示意圖。
【具體實施方式】
[00化]下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終 相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附 圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。
[0066] 在本發(fā)明的描述中，需要理解的是，術語"縱向"、"橫向"、"上"、"下"、"前"、"后"、 "左"、"右"、"豎直"、"水平"、"頂"、"底""內(nèi)"、"外"等指示的方位或位置關系為基于附圖所 示的方位或位置關系，僅是為了便于描述本發(fā)明和簡化描述，而不是指示或暗示所指的裝 置或元件必須具有特定的方位、W特定的方位構造和操作，因此不能理解為對本發(fā)明的限 制。
[0067] 在本發(fā)明的描述中，除非另有規(guī)定和限定，需要說明的是，術語"安裝"、"相連"、 "連接"應做廣義理解，例如，可W是機械連接或電連接，也可W是兩個元件內(nèi)部的連通，可 W是直接相連，也可W通過中間媒介間接相連，對于本領域的普通技術人員而言，可W根據(jù) 具體情況理解上述術語的具體含義。
[0068] 如圖1所示，本發(fā)明提供了一種通過提取HSI特征對WCE視頻分段提取顯著特征 信息的方法，其關鍵在于，包括如下步驟：
[0069] 步驟1，獲取待提取特征信息的圖片數(shù)據(jù)，將待提取特征信息的圖片數(shù)據(jù)的RGB顏 色特征轉換為服I顏色特征，將轉換為服I顏色特征后的圖片數(shù)據(jù)進行量化降維；
[0070] 步驟2,將量化降維處理的圖片數(shù)據(jù)通過樸素貝葉斯分類器算法進行分類后，獲取 帶有顯著特征信息的WCE視頻圖像分段模型。
[0071] 本發(fā)明還公開一種通過提取LBP特征對WCE視頻分段提取顯著特征信息的方法， 其關鍵在于，包括如下步驟：
[0072] 步驟r，獲取待提取特征信息的圖片數(shù)據(jù)，提取基于RGB信息的圖片數(shù)據(jù)的LBP紋 理特征，將轉換為LBP紋理特征后的圖片數(shù)據(jù)進行量化降維；
[0073] 步驟2'，將量化降維處理的圖片數(shù)據(jù)通過樸素貝葉斯分類器算法進行分類后，獲 取帶有顯著特征信息的WCE視頻圖像分段模型。
[0074] 特征提取算法
[0075] 由于圖像的特征多種多樣，其描述和表示方法也多種多樣。我們可W通過分析圖 2,我們可W看出，WCE的圖像不同器官不僅有顏色的變化，而且還有紋理的差異。所有我們 將采用兩種方式來提取圖像特征，方式一是基于顏色空間的特征提??；方式二是基于圖像 紋理的特征提取W適應不同操作下的不同要求。
[0076] 1、服1顏色空間特征提取理論依據(jù)
[0077] 由于無線膠囊內(nèi)窺鏡使用的是彩色攝像機，并且可W得到256X256X256個像素 大小的彩色圖像，如圖2所示。從圖2中可W看到不同的消化器官具有不同的彩色特征和 性狀。所W我們可W提取彩色圖像信息的特征來進行疾病診斷。
[007引圖2膠囊內(nèi)鏡拍攝的消化道圖片，
[0079]對于分析和提取彩色特征而言，選擇合適的彩色空間模型是首要的也是最重要的 一步。合適的色彩空間模型的選擇是基于不同的應用和各種因素的考慮的。采用不同的彩 色空間模型會極大地影響相關性能。在近百年的發(fā)展中，研究人員正對彩色圖像的分析和 處理問題提出了各種各有的算法，大多數(shù)的算法都是在RGB顏色空間中實現(xiàn)的，但RGB顏色 空間有一個主要的缺點就是對顏色感知是不均勻的，即兩個顏色點之間的距離不等于兩個 顏色之間的顏色感知的差異，不能之間從RGB數(shù)值中估計出顏色的色度、飽和度和亮度等 感知熟悉。然而在醫(yī)學應用中，視覺均勻的彩色空間是很必要的。另外，由于RGB彩色空間 各個通道的高度相關性，當每個通道分別分析時會產(chǎn)生很大的色彩偏移。在醫(yī)學應用中尤 其不允許有該種偏移。所W為了克服RGB顏色空間的不均勻和彩色偏移的缺點，在WCE視 頻圖像處理中我們采用了更加符合顏色視覺特性的顏色空間，即HSI顏色空間。HSI顏色空 間是采用色度化ue)、飽和度（Saturation)和亮度（Intensity)S個分量來表征顏色。
[0080] 如圖3所示為基于圓形彩色平面的HSI顏色空間模型。HSI顏色空間由一個垂直 的亮度軸IW及垂直于此軸的一個圓形平面上的彩色點的軌跡組成。對于其中任一個顏色 點，其H值對應指向該點的矢量與I軸的夾角。該點的S值與指向該點的矢量長度成正比。 I的值同該點所在平面與最下方黑色點的距離成正比。
[0081] 圖3基于圓形彩色平面的HSI顏色空間模型
[0082] HSI顏色空間和RGB顏色空間只是同一物理量的不同表示法，因而他們之間存在 著轉換關系。在RGB空間的彩色圖像可W方便地轉換到HSI空間。本文選用幾何推導算法， 輸入圖像的R、G、B值，其對應的服I模型中的H、S、I分量可由下面的公式計算
[0087] 從上面的公式可W看出，色度值在[0,231]范圍內(nèi)，將其除W2 31歸一化到[0，1] 范圍內(nèi)。由于RGB的值是[oa]區(qū)間內(nèi)，所W亮度和飽和度也在[oa]范圍內(nèi)。
[008引 2、改進的HSI顏色空間特征提取算法
[0089] 由于實際運用中，輸入圖像的R、G和B的值并沒有進行歸一化，所從運用公式（1) 得出H、S、I的范圍都不是歸一化W后的范圍。因此，為了便于計算和分析，我們將公式（1) 進行了改進，使得色度值、亮度值和飽和度值的范圍都為[0, 255]，改進的計算公式如下所 /J、- 〇
[0094] 通過公式（2)可得到一幅由256X256X256個服I彩色空間的像素點表示的WCE 視頻圖像。但是，如果每張圖像都由256X256X256HSI彩色空間的像素點表示，該對于計 算機來說是極大計算，增大了計算開銷，并降低了分段效率。因此，我們對得到的HSI顏色 空間的H、S、I值進行了量化。把色度量化成8個空間，把飽和度和亮度分別量化成3個空 間，即顏色空間被分層了 8X3X3的區(qū)間，即我們將維數(shù)從16777216降到72維。
[009引量化過程如下：
[0096]設變量h、S、i，分別表示量化中H、S、I的取值范圍。計算如下；
[0100] 則通過式（3)、（4)、（5)分別對H、S、I進行量化，具體量化值如下：
[0101]
[0104] 3、LBP紋理特征提取理論依據(jù)
[01化]LBP (Local Binary化ttern，局部二值模式）是一種用來描述圖像局部紋理特征 的算子；它具有旋轉不變性和灰度不變性等顯著的優(yōu)點。用于紋理特征提取。
[0106] LBP特征提取過程：
[0107]