>(:11)
[0044] 其中 Θ = 〇。，45。，90。，135。。
[0045] 3.顏色特征相似性測度
[0046] 基于信息論的理論基礎(chǔ)，考慮到WCE圖像的顏色特征向量G具有概率分布的特 性，本發(fā)明所述方法采用歸一化互信息量作為相鄰WCE圖像之間顏色特征的相似性測度， 記為NMI(f n，fn+1)，公式如下：
[0047] NMI(fn，fn+1) = (2XMI(fn，fn+1)V(H(fn)+H(fn+1)) (12)
[0048] MI (fn, fn+1) = H (fn) +H (fn+1) -H (fn, fn+1) (13)其中，H (fn)為 ％ 的熵； H(fn，fn+1)表示聯(lián)合熵；MI (fn，fn+1)為&和<5^的互信息量。
[0049] 4.紋理特征相似性測度
[0050] 對于相鄰WCE圖像之間紋理特征的相似性測度，本發(fā)明所述方法采用均方誤差進 行計算，記為MSE (fn，fn+1)，公式如下：
[0051]
(14):
[0052] 5.自適應(yīng)閾值的設(shè)定方法
[0053] 本發(fā)明所述方法將通過設(shè)定自適應(yīng)閾值，提高方法的普適性與魯棒性。由于在WCE 圖像集中存在大量相同的WCE圖像，而作為極端數(shù)據(jù)，使得直接采用均值法設(shè)定的自適應(yīng) 閾值具有一定的不合理性，故本發(fā)明所述方法提出了一種基于W參數(shù)的均值法設(shè)定自適應(yīng) 相似性判斷閾值。
[0054] 首先，從原WCE圖像集F。中，每隔W張圖像抽取一張 WCE圖像組成一個新的WCE圖 像集F_，表示為：
[0055] Fnew= {f !, f1+w,......, fn, fn+w,......} (15)
[0056] 新的WCE圖像集F _不僅能夠反映原圖像集F。中的WCE圖像動態(tài)變化特征，而且 一定程度上減少了極端數(shù)據(jù)。
[0057] 然后，計算F_圖像集中相鄰WCE圖像之間的顏色特征歸一化互信息量和紋理特 征均方誤差，表不為：
[0058] NMInew= [NMI new (f\，f1+w)，......，NMInew (fn，fn+w)，......] (16)
[0059] MSEnew= [MSE new (f 1; f 1+w),......, MSEnew (fn, fn+w),......] (17)
[0060] 最后，分別計算顏色特征相似性判斷閾值ThresholcLk與紋理特征相似性判斷閾 值 Thresholdtextura，公式如下：
[0061] (18)
[0062] (19)
[0063] 由上述步驟可知，W參數(shù)決定了自適應(yīng)閾值設(shè)定的合理性。經(jīng)大量實驗測試，W取 1-4之間能夠保證較好的篩選質(zhì)量。
[0064] 6.WCE圖像集分割準則
[0065] 通過依次比較相鄰WCE圖像的相似測度匪I (f n，fn+1)和MSE (fn，fn+1)，以及相似性 判斷閾值ThresholcU。# Threshold text_，WCE圖像集將以不相似的WCE圖像作為分界點 被分割成各子圖像片段，其分割準則如下：
[0066] 如果 NMI (fn, fn+1)彡 ThresholdralOT&MSE (fn, fn+1)彡 Thresholdtexture，則此兩張相鄰 的WCE圖像f "和f n+1被分入當(dāng)前同一個子圖像片段；否則，f n將被放入前一個子圖像片段 中，而fn+1被放入新的子圖像片段中。
[0067] 7.基于自適應(yīng)K均值聚類算法進行關(guān)鍵幀提取
[0068] 本發(fā)明所述方法采用了一種自適應(yīng)的K均值聚類算法對各個WCE子圖像片段進關(guān) 鍵幀提取，而將其余WCE圖像作為冗余圖像篩除，其具體步驟如下：
[0069] St印1:導(dǎo)入某WCE子圖像片段：{f\，f2,......,fN}
[0070] Step2 :初始化：類別數(shù) K = 1 A- Class 1;f 丨一Center aassl;
[0071] Step3:為分類設(shè)定一個自適應(yīng)閾值：
[0072]
(20)
[0073] 其中Dis況，fn)表示圖像f iand fn之間的歐氏距離；c = 0. 1為了避免 Thresholdkey為 0·
[0074] Step4:Calculate:
[0075]
.(21)
[0076] Classification rules:
[0077]
[0078] (?2)
[0079] 其中M為了類別Class# WCE圖像的數(shù)量；^^氣表示圖像圪的特征向量；如 果仁不是該子圖像片段的最后一張圖像，則將f 1+1重返St印3.
[0080] Step5:經(jīng)上述步驟，在劃分的各類中提取關(guān)鍵幀，而將其余WCE圖像幀作為冗余 幀篩除，方法如下：
[0081]
(23)
[0082] 以上所述為本發(fā)明較佳的實施方式，但本發(fā)明的保護范圍并不局限于此，任何在 本發(fā)明提出的技術(shù)范圍內(nèi)作出其他多種形式的修改、替換和變更，都應(yīng)涵蓋在本發(fā)明的保 護范圍內(nèi)。因此本發(fā)明的保護范圍應(yīng)該以權(quán)利要求的保護范圍為準。
【主權(quán)項】
1. 一種基于多特征融合的無線膠囊內(nèi)窺鏡冗余圖像篩除方法，包括以下步驟： a) 采用批處理的方式對無線膠囊內(nèi)窺鏡（Wireless Capsule Endoscopy, WCE)病例圖 像集進行處理，每批處理500張WCE圖像； b) 采用HSV顏色特征直方圖與灰度共生矩陣（Gray level co-occurrence matrix，GLCM)分別對每一張WCE圖像提取其顏色特征向量與紋理特征向量； c) 對由b)步驟提取出的每張WCE圖像的顏色特征向量與紋理特征向量，通過計算其相 鄰WCE圖像的顏色特征歸一化互信息量和紋理特征均方誤差分別作為顏色特征相似性測 度與紋理特征相似性測度； d) 考慮到不同批次的WCE圖像集具有不同的動態(tài)信息變化，為了獲得方法的魯棒性， 提出了基于W參數(shù)的均值法設(shè)定自適應(yīng)相似性判斷閾值； e) 經(jīng)上述步驟，通過比較相鄰圖像的相似性測度與相似性判斷閾值，可將具有一定時 間相關(guān)性與顏色一紋理特征相似性的WCE圖像劃分到同一個子圖像片段中； f) 考慮到某些子圖像片段中的WCE圖像具有漸變性的特點，對各子圖像片段采用自適 應(yīng)K均值聚類算法進行關(guān)鍵幀提取，從而將其余WCE圖像作為冗余幀進行篩除。2. 根據(jù)權(quán)利要求1所述的一種基于多特征融合的無線膠囊內(nèi)窺鏡冗余圖像篩除方法， 其特征在于，所述步驟b)中，考慮到WCE圖像集的冗余性主要體現(xiàn)為WCE圖像之間的顏色 特征相似性與紋理特征相似性，并且醫(yī)生主要也是通過WCE圖像的顏色信息與紋理信息對 WCE圖片進行瀏覽分析和診斷；同時，HSV顏色特征直方圖模型能夠描述圖像不同顏色的分 布信息，以及GLCM可用以提取出反映圖像紋理溝紋清晰度、紋理方向性、紋理粗細以及灰 度均衡性的特征值，故該方法同時采用HSV顏色特征直方圖模型與灰度共生矩陣分別對每 張WCE圖像進行顏色特征向量與紋理特征向量提取。3. 根據(jù)權(quán)利要求1所述的一種基于多特征融合的無線膠囊內(nèi)窺鏡冗余圖像篩除方法， 其特征在于，針對均值法存在容易受極端數(shù)據(jù)影響的問題，設(shè)計了一種基于W參數(shù)的均值 法來設(shè)定自適應(yīng)相似性判斷閾值，所述步驟d)的具體過程為： 1) 從原WCE圖像集F。中，每隔W張圖像抽取一張WCE圖像組成一個新的WCE圖像集 Fnew，表不為： Fnew if 1，fl+w，......，fn，fn+w，...... 2) 計算F_圖像集中相鄰WCE圖像之間的顏色特征歸一化互信息量和紋理特征均方誤 差，表不為： NMInew= [NMI 咖況，f1+w)，......，NMInew (fn，fn+w)，......] MSEnew= [MSE new(f!, f1+w),......, MSEnew (fn, fn+w),......] 3) 分別計算顏色特征相似性判斷閾值Threshold。。^與紋理特征相似性判斷閾值 Thresholdtext_，公式如下： ThrMdtoiw = mUZ = ψ X Σ?-ο ΝΜ[η，Μ κ Threshold^.=沿瓦:> 士 χ Σ:'-:廳聊㈨ 4) 由上述步驟可知，W參數(shù)決定了自適應(yīng)閾值設(shè)定的合理性。經(jīng)大量實驗測試，W取 1-4之間能夠保證較好的篩選質(zhì)量。4.根據(jù)權(quán)利要求1所述的一種基于多特征融合的無線膠囊內(nèi)窺鏡冗余圖像篩除方法， 其特征在于，根據(jù)WCE圖像的產(chǎn)生原理，WCE圖像集中的冗余圖像不僅存在著顏色一紋理特 征的相似性，而且具有一定的時間相關(guān)性。若兩張WCE圖像的拍攝時間間隔較長，則其二者 的時間相關(guān)性較弱，即使它們在顏色特征與紋理特征具有相似性，但實際反映的是人體消 化道兩個不同位置的信息，應(yīng)被判斷為兩張非相似的WCE圖像，故所述步驟e)可以通過依 次比較相鄰WCE圖像的顏色特征與紋理特征相似性測度值與所設(shè)定的自適應(yīng)閾值，以不相 似的WCE圖像作為分割點將WCE圖像集分割成不同的子圖像片段，從而使得在同一子圖像 片段中的WCE圖像不僅具有一定的顏色一紋理特征相似性，而且具有時間上的相關(guān)性。
【專利摘要】本發(fā)明提供了一種基于多特征融合的無線膠囊內(nèi)窺鏡冗余圖像篩除方法。所述方法首先通過HSV顏色特征直方圖與灰度共生矩陣提取出圖像的顏色特征向量與紋理特征向量；其次，分別計算相鄰圖像的顏色特征歸一化互信息量與紋理特征均方誤差值作為相似性度量；然后，考慮到方法的魯棒性，提出了基于W參數(shù)的均值法設(shè)定自適應(yīng)相似性判斷閾值；于是，通過依次對比相鄰WCE圖像的相似性測度值與判斷閾值，可將具有一定時間相關(guān)性與顏色—紋理特征相似的WCE圖像劃分到相同的子圖像片段中；最后，采用自適應(yīng)K均值聚類算法對各子圖像片段進行關(guān)鍵幀提取，從而達到篩除冗余圖像的目的。該方法能夠有效地篩除冗余圖像，從而提高醫(yī)生的工作效率。
【IPC分類】A61B1/00, G06T7/00, A61B5/07
【公開號】CN105469383
【申請?zhí)枴緾N201410853481
【發(fā)明人】鄒月嫻, 陳錦
【申請人】北京大學(xué)深圳研究生院
【公開日】2016年4月6日
【申請日】2014年12月30日