自動(dòng)定位體內(nèi)胃腸特征點(diǎn)的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)領(lǐng)域，尤其涉及一種自動(dòng)定位體內(nèi)胃腸特征點(diǎn)的方法。
【背景技術(shù)】
[0002] 無(wú)線膠囊內(nèi)鏡（WirelessCapsuleEndoscopy)作為一種重要的新型技術(shù)被廣泛 應(yīng)用于人類胃腸道疾病的診斷。它可以到達(dá)消化道任何位置，克服了傳統(tǒng)內(nèi)鏡無(wú)法檢測(cè)小 腸疾病的缺點(diǎn)，具有無(wú)創(chuàng)傷、耐受性好的特點(diǎn)。盡管該技術(shù)隨著科技進(jìn)步不斷完善，但在實(shí) 際應(yīng)用中還是面對(duì)著一些困難。膠囊內(nèi)鏡平均在消化道內(nèi)逗留8個(gè)小時(shí)，在這期間其攝像 系統(tǒng)會(huì)自動(dòng)拍攝全程消化道場(chǎng)景，共可采集50000~60000幅彩色的消化道圖像數(shù)據(jù)。而 這些海量的圖片數(shù)據(jù)必須由專業(yè)的醫(yī)務(wù)人員進(jìn)行人工判讀，工作強(qiáng)度大、效率低、耗費(fèi)大量 的時(shí)間。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題，特別創(chuàng)新地提出了一種自動(dòng)定 位體內(nèi)胃腸特征點(diǎn)的方法。
[0004] 為了實(shí)現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了一種自動(dòng)定位體內(nèi)胃腸特征點(diǎn)的方 法，其關(guān)鍵在于，包括如下步驟：
[0005] 步驟1，獲取胃腸原始圖片數(shù)據(jù)并進(jìn)行分割編號(hào)，對(duì)該數(shù)據(jù)進(jìn)行初步定位篩選，獲 得定位篩選后的測(cè)試集；
[0006] 步驟2,提取訓(xùn)練集的WLD直方圖特征，用來(lái)訓(xùn)練KNN分類器；
[0007] 步驟3,提取測(cè)試集的WLD直方圖特征，并用訓(xùn)練完成的KNN分類器為測(cè)試集分類； 根據(jù)分類結(jié)果進(jìn)行精確定位胃腸特征點(diǎn)信息。
[0008] 所述的自動(dòng)定位體內(nèi)胃腸特征點(diǎn)的方法，優(yōu)選的，所述步驟1初步定位篩選的步 驟包括：
[0009] 步驟1-1，將整個(gè)圖片數(shù)據(jù)劃分為連續(xù)的區(qū)間，每個(gè)區(qū)間包含L張圖片；
[0010] 步驟1-2,每個(gè)區(qū)間內(nèi)設(shè)置兩個(gè)連續(xù)的窗口wl，窗口w2,其大小分別為nl和n2， 窗口wl和窗口w2連接處的圖片序號(hào)為mid，其中每個(gè)窗口包括若干圖片，排列順序?yàn)榇翱?wl、mid、窗口《2,依據(jù)設(shè)置在窗口wl和窗口w2的圖片數(shù)量，依次向后移動(dòng)；
[0011] 步驟1-3,計(jì)算出窗口wl和窗口w2內(nèi)圖像的紅色分量的平均值，記為mrl和mr2 ; mr2/mrl表示紅色分量的變化程度，mr2/mrl越大，mid前后圖像變化越明顯；記錄下mid 的mr2/mrl值，并把兩個(gè)窗口以step的步長(zhǎng)往后移動(dòng)；每個(gè)mid以同樣的方式計(jì)算出mr2/ mrl，并存儲(chǔ)記錄；
[0012] 步驟1-4,每個(gè)區(qū)間內(nèi)選擇mr2/mrl最大的四個(gè)值所對(duì)應(yīng)的序號(hào)mid，作為胃腸特 征點(diǎn)的候選位置序號(hào)。
[0013] 所述的自動(dòng)定位體內(nèi)胃腸特征點(diǎn)的方法，優(yōu)選的，所述步驟2包括：
[0014] WLD直方圖特征是基于全局特征點(diǎn)的描述子，包括兩個(gè)參數(shù)：差異激勵(lì)和方向角； 提取的WLD直方圖特征的步驟為，
[0015] 步驟2-1，計(jì)算差異激勵(lì)，
[0016] I。是當(dāng)前像素點(diǎn)的灰度值，Ii是當(dāng)前點(diǎn)鄰域的灰度值，P是鄰域大小，e(I。）是當(dāng) 前像素點(diǎn)的差異激勵(lì)，通常情況下，如果e(I。）是正數(shù)，意味著當(dāng)前點(diǎn)比周圍暗，反之，若 e(I。）是負(fù)數(shù)，則說(shuō)明當(dāng)前點(diǎn)比周圍亮，
[0018] 改進(jìn)后的差異激勵(lì)計(jì)算方式則選擇了兩個(gè)鄰域的大小，pi和p2,當(dāng)p=pi時(shí)，計(jì) 算出的UI。）權(quán)重值為％，當(dāng)P=P2時(shí)，計(jì)算出的UI。）權(quán)重值為，該過(guò)程看作原圖 經(jīng)過(guò)濾波器f#f2處理，frati()1是經(jīng)過(guò)fr濾波的輸出，匕"。2是匕的輸出，《種《 2的取 值不同，決定著不同的鄰域?qū)Ξ?dāng)前像素點(diǎn)的影響程度不同；
[0023] 另外，將圖像的灰度值調(diào)整到[1，256];
[0024] 步驟2-2，計(jì)算方向角，
[0026] 其中，ocO和ocl是原始圖像經(jīng)過(guò)濾波器filterO和filterl處理后的輸出，對(duì) 于一個(gè)指定的像素點(diǎn)，〇c0 =I5_I1;ocO=I7_13;經(jīng)過(guò)映射m: 0 - 0 '，0的值域范圍由
映射到[0, 2JT];
[0027] [0, 2JT]是一個(gè)區(qū)間，指0的取值范圍在0和2JT之間；
[0028] 0 ' =m( 0 ) + 31 ,
[0029] 其中，
[0031] 進(jìn)一步將0'量化為T個(gè)主方向角，t為具體主方向角，量化公式為：
[0033] 令T= 8,于是方向角取值由[0, 2it]映射為T個(gè)主方向角％~朽-
[0034] 步驟2-3,獲取WLD直方圖特征，
[0035]利用步驟2-1和2-2計(jì)算出的差異激勵(lì)和方向角得到圖片的二維向量表示為 {WLDUj，0t)}，其中，圖片維數(shù)j= 0，1，…N-1，而七=0，1，一1'_14是圖片的維數(shù)序數(shù)； 為了進(jìn)一步分類的需要，我們把{WLD(q，0t)}映射為一維向量；首先，將{WLD(q，0t)} 按照每個(gè)像素點(diǎn)的梯度方向分解成T個(gè)子序列H(t)，然后把每個(gè)子序列H(t)按照G(I。） 的值分為M段；接下來(lái)進(jìn)行直方圖統(tǒng)計(jì)，形成二維直方圖統(tǒng)計(jì)矩陣，大小為M*T;按照行把該 二維矩陣展開形成一維數(shù)組，就得到了最終的WLD直方圖特征信息。
[0036] 所述的自動(dòng)定位體內(nèi)胃腸特征點(diǎn)的方法，優(yōu)選的，所述步驟3包括：
[0037] 步驟3-1，標(biāo)記胃腸特征點(diǎn)前的圖片為-1，胃腸特征點(diǎn)之后的圖片為+1，提取改進(jìn) 后的WLD直方圖特征來(lái)訓(xùn)練KNN分類器；
[0038] 步驟3-2,候選胃腸特征點(diǎn)的序號(hào)為d，選取d附近序號(hào)為[d_100，d+100]的201張 圖片作為測(cè)試集，如果[d-100,d-1]之間的圖片大部分被標(biāo)記為-1，且大部分[d+1，d+100] 之間的圖片被標(biāo)記為+1，認(rèn)定該點(diǎn)為精確的胃腸特征點(diǎn)位置；
[0039] 步驟3-3,當(dāng)[d-100,d-1]之間圖片的標(biāo)記和小于一個(gè)閾值，[d+1，d+100]之間的 圖片標(biāo)記和大于一個(gè)閾值，認(rèn)定d為胃腸特征點(diǎn)的精確位置；否則，用相同的方式來(lái)判定下 一個(gè)胃腸特征點(diǎn)是否為正確的胃腸特征點(diǎn)位置。
[0040] 所述的自動(dòng)定位體內(nèi)胃腸特征點(diǎn)的方法，優(yōu)選的，所述步驟3中訓(xùn)練KNN分類器的 步驟包括：
[0041] 步驟A，初始化圖片幀數(shù)的距離為最大值；
[0042] 步驟B，計(jì)算測(cè)試集和每個(gè)訓(xùn)練集的距離dist;
[0043] 步驟C，得到K個(gè)最臨近測(cè)試集和訓(xùn)練集中的最大距離maxdist;
[0044] 步驟D，如果dist小于maxdist，則將該訓(xùn)練集作為K最近鄰樣本；
[0045] 步驟E，重復(fù)步驟B、C、D，直到測(cè)試集和所有訓(xùn)練集的距離都計(jì)算完畢；
[0046] 步驟F，獲取K最近鄰樣本中每個(gè)類標(biāo)號(hào)出現(xiàn)的次數(shù)；
[0047] 步驟G，選擇出現(xiàn)頻率最大的類標(biāo)號(hào)作為未知樣本的類標(biāo)號(hào)。
[0048] 綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：
[0049] 本發(fā)明通過(guò)初步定位階段挑選出一系列胃腸特征點(diǎn)候選點(diǎn)，接著進(jìn)入精確定位階 段，這一階段先隨機(jī)選擇一定量的訓(xùn)練集，提取它們的WLD直方圖特征來(lái)訓(xùn)練KNN分類器， 最后精確定位算法結(jié)合初步定位階段的候選點(diǎn)和WLD直方圖特征找到正確的胃腸特征點(diǎn) 位置。
[0050] 本發(fā)明的附加方面和優(yōu)點(diǎn)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(guò)本發(fā)明的實(shí)踐了解到。
【附圖說(shuō)明】
[0051] 本發(fā)明的上述和/或附加的方面和優(yōu)點(diǎn)從結(jié)合下面附圖對(duì)實(shí)施例的描述中將變 得明顯和容易理解，其中：
[0052] 圖1是本發(fā)明自動(dòng)定位體內(nèi)胃腸特征點(diǎn)的方法流程圖；
[0053] 圖2是本發(fā)明自動(dòng)定位體內(nèi)胃腸特征點(diǎn)的方法初步定位流程圖；
[0054] 圖3是本發(fā)明自動(dòng)定位體內(nèi)胃腸特征點(diǎn)的方法覆蓋率示意圖。
【具體實(shí)施方式】
[0055] 下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中