CN103747270A - 一种胶囊内窥镜视频图像的去冗余方法及系统 - Google Patents
一种胶囊内窥镜视频图像的去冗余方法及系统 Download PDFInfo
- Publication number
- CN103747270A CN103747270A CN201310710917.6A CN201310710917A CN103747270A CN 103747270 A CN103747270 A CN 103747270A CN 201310710917 A CN201310710917 A CN 201310710917A CN 103747270 A CN103747270 A CN 103747270A
- Authority
- CN
- China
- Prior art keywords
- frame
- repeating
- ncc
- key frame
- sigma
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Endoscopes (AREA)
Abstract
本发明公开了胶囊内窥镜视频图像的去冗余方法及系统,该系统包括初始化模块、NCC函数计算模块、第一判断处理模块、第二判断处理模块及第三判断处理模块。该方法包括:取出关键帧后面的N个非重复帧,且采用NCC函数将关键帧与N个非重复帧逐一进行计算;判断NCC函数值是否大于阈值,若是,则将相应的非重复帧进行删除;反之,则保留;判断取出的N个非重复帧是否均已被删除,若是,则关键帧保持不变;反之,则离关键帧最近的非重复帧来作为新的关键帧;判断当前的非重复帧的个数是否小于N,若是,则结束。本发明能够解决因胶囊向前向后运动而产生的视频冗余,提高视频冗余的识别率。本发明广泛应用于WCE视频图像冗余处理领域中。
Description
技术领域
本发明涉及视频图像的处理技术,尤其涉及一种胶囊内窥镜视频图像的去冗余方法及系统。
背景技术
技术词解释:
NCC:归一化互相关
对于无线胶囊内窥镜(WCE)技术,其是是利用安装有超小型摄像头的胶囊药丸来获取整个人体消化系统的视频图像,并且从患者服用该胶囊药丸开始传输图片后的8-12小时内,它可以发送30,000至50,000帧视频图像。而目前,WCE检查的主要缺点是,由于WCE视频图像的帧数过多,因此,WCE临床医生通常需要花2-3小时才能将整个WCE视频检查完毕,这样不但会耗费太多时间,而且会使医生眼睛疲劳,对病变的辨识能力下降,从而导致误诊漏诊的情况发生。事实上,由于WCE主要是靠胃肠等消化器官蠕动来移动胶囊,速度比较缓慢,因此,利用无线胶囊内窥镜所获得的视频图像,其通常是存有大量的重复视频图像,也就是说,WCE临床医生根本就无须对所有的WCE视频图像进行检查。通过临床观察发现,WCE视频中大概只有20,000至30,000帧的WCE视频图像是需要临床医生关注的,而至少有10,000甚至更多帧的WCE视频图像是携带无用的临床信息(即视频冗余)。
由上述可知,针对WCE检查的视频冗余问题,发明一种自动识别以及去除视频冗余的方法是非常迫切的。目前,关于胶囊内窥镜视频冗余识别和剔除这一方面,国内只发现一项相关发明专利——“胶囊内窥镜冗余图像数据的自动剔除方法”,但是这一方法仅是考虑了相邻两帧的视频冗余问题。由于WCE检查主要是依赖肠胃等消化器官的蠕动来移动胶囊的,并且通过临床发现,在胶囊移动的过程中会存在很多胶囊向后运动的情况,这样会导致大量视频冗余图像的产生,而针对这样的视频冗余图像,上述仅考虑相邻两帧视频冗余的方法根本就无法对其进行识别和剔除,因此由此可知,人们应该尽快提供一种能够很好地解决因胶囊向后运动而产生大量视频冗余图像这一问题的方法。
发明内容
为了解决上述技术问题,本发明的目的是提供一种能够去除因胶囊向后运动而产生的视频冗余图像的方法。
本发明的另一目的是提供一种能够去除因胶囊向后运动而产生的视频冗余图像的系统。
本发明所采用的技术方案是:一种胶囊内窥镜视频图像的去冗余方法,该方法包括:
A、获取WCE视频图像,并且将WCE视频图像中的第一帧图设为关键帧,而其余的图像设为非重复帧;
B、依次取出关键帧后面的N个非重复帧,并且采用NCC函数,进而将关键帧与取出的N个非重复帧逐一进行计算,以得到N个NCC函数值,其中,N为预设的正整数,且1<N<10;
C、判断得到的NCC函数值是否大于预设的阈值T,若是,则将与该NCC函数值相对应的非重复帧进行删除;反之,则将与该NCC函数值相对应的非重复帧进行保留;
D、判断取出的N个非重复帧是否均已被删除,若是,则所述的关键帧保持不变,并执行步骤E;反之,则在保留的非重复帧中取出一个离关键帧最近的非重复帧,来作为新的关键帧,而关键帧后面的剩余图像为非重复帧,然后执行步骤E;
E、判断当前的非重复帧的个数是否小于N,若是,则结束;反之,则重新执行步骤B。
进一步,所述NCC函数值所采用的计算公式为:
其中,fk表示关键帧,fnr表示非重复帧,M为一个帧图的像素点总个数,表示关键帧的像素亮度平均值,表示非重复帧的像素亮度平均值,fk(x,y)表示关键帧的图像坐标(x,y)处的像素亮度值,fnr(x,y)表示非重复帧的图像坐标(x,y)处的像素亮度值;S(fk,fnr)表示NCC函数值,σ(fk)表示关键帧的标准差,σ(fnr)表示非重复帧的标准差。
进一步,所述N的取值范围为:3≤N≤9。
进一步,所述T的取值范围为:0.86≤T≤0.98。
本发明所采用的另一技术方案是:一种胶囊内窥镜视频图像的去冗余系统,其包括:
初始化模块,用于获取WCE视频图像,并且将WCE视频图像中的第一帧图设为关键帧,而其余的图像设为非重复帧;
NCC函数计算模块,用于依次取出关键帧后面的N个非重复帧,并且采用NCC函数,进而将关键帧与取出的N个非重复帧逐一进行计算,以得到N个NCC函数值,其中,N为预设的正整数,且1<N<10;
第一判断处理模块,用于判断得到的NCC函数值是否大于预设的阈值T,若是,则将与该NCC函数值相对应的非重复帧进行删除;反之,则将与该NCC函数值相对应的非重复帧进行保留;
第二判断处理模块,用于判断取出的N个非重复帧是否均已被删除,若是,则所述的关键帧保持不变,并执行第三判断处理模块;反之,则在保留的非重复帧中取出一个离关键帧最近的非重复帧,来作为新的关键帧,而关键帧后面的剩余图像为非重复帧,然后执行第三判断处理模块;
第三判断处理模块,用于判断当前的非重复帧的个数是否小于N,若是,则结束;反之,则重新执行NCC函数计算模块。
进一步,所述NCC函数值所采用的计算公式为:
其中,fk表示关键帧,fnr表示非重复帧,M为一个帧图的像素点总个数,表示关键帧的像素亮度平均值,表示非重复帧的像素亮度平均值,fk(x,y)表示关键帧的图像坐标(x,y)处的像素亮度值,fnr(x,y)表示非重复帧的图像坐标(x,y)处的像素亮度值;S(fk,fnr)表示NCC函数值,σ(fk)表示关键帧的标准差,σ(fnr)表示非重复帧的标准差。
进一步,所述N的取值范围为:3≤N≤9。
进一步,所述T的取值范围为:0.86≤T≤0.98。
本发明的有益效果是:通过采用本发明的方法,不仅能够很好地解决因胶囊向前运动而产生的视频冗余,而且还能够很好地解决因胶囊向后运动而产生的视频冗余,即本发明能够提高胶囊内窥镜视频冗余的识别率,以及去除该视频冗余的准确率。而且,由于本发明的方法采用了NCC的计算方法,因此,本发明的方法还具有计算简便、冗余识别去除效率高等优点。
本发明的另一有益效果是:本发明的系统能够很好地解决因胶囊向前运动而产生的视频冗余,以及因胶囊向后运动而产生的视频冗余,由此可知,本发明能够提高胶囊内窥镜视频冗余的识别率,以及提高去除该视频冗余的准确率。并且,由于本发明的系统采用了NCC的计算方法,因此本发明的系统还具有计算简便、冗余识别去除效率高等优点。
附图说明
下面结合附图对本发明的具体实施方式作进一步说明:
图1是本发明一种胶囊内窥镜视频图像的去冗余方法的步骤流程图;
图2是胶囊内窥镜向前运动和向后运动的轨迹示意图;
图3是本发明一种胶囊内窥镜视频图像的去冗余系统的结构框图。
具体实施方式
由图1所示,一种胶囊内窥镜视频图像的去冗余方法,该方法包括:
A、获取WCE视频图像,并且将WCE视频图像中的第一帧图设为关键帧,而其余的图像设为非重复帧;
B、依次取出关键帧后面的N个非重复帧,并且采用NCC函数,进而将关键帧与取出的N个非重复帧逐一进行计算,以得到N个NCC函数值,其中,N为预设的正整数,且1<N<10;
C、判断得到的NCC函数值是否大于预设的阈值T,若是,则将与该NCC函数值相对应的非重复帧进行删除;反之,则将与该NCC函数值相对应的非重复帧进行保留;
D、判断取出的N个非重复帧是否均已被删除,若是,则所述的关键帧保持不变,并执行步骤E;反之,则在保留的非重复帧中取出一个离关键帧最近的非重复帧,来作为新的关键帧,而关键帧后面的剩余图像为非重复帧,然后执行步骤E;
E、判断当前的非重复帧的个数是否小于N,若是,则结束;反之,则重新执行步骤B。
进一步作为优选的实施方式,所述NCC函数值所采用的计算公式为:
其中,fk表示关键帧,fnr表示非重复帧,M为一个帧图的像素点总个数,表示关键帧的像素亮度平均值,表示非重复帧的像素亮度平均值,fk(x,y)表示关键帧的图像坐标(x,y)处的像素亮度值,fnr(x,y)表示非重复帧的图像坐标(x,y)处的像素亮度值;S(fk,fnr)表示NCC函数值,σ(fk)表示关键帧的标准差,σ(fnr)表示非重复帧的标准差。
进一步作为优选的实施方式,所述N的取值范围为:3≤N≤9。
进一步作为优选的实施方式,所述T的取值范围为:0.86≤T≤0.98。
本发明方法的第一具体实施例
一种胶囊内窥镜视频图像的去冗余方法,该方法具体包括:
S1、某患者将胶囊内窥镜吞噬,从而进行WCE视频图像的采集,并获取含有30,000帧图像的WCE视频图像;
S2、将第1帧图设为关键帧,而其余的图像,即第2帧图至第30,000帧图,设为非重复帧;
S3、依次取出关键帧(第1帧图)后面的4个非重复帧,即第2帧图至第5帧图,然后采用NCC函数,进而将关键帧(第1帧图)与取出的4个非重复帧逐一进行计算,即关键帧(第1帧图)分别与第2帧图、第3帧图、第4帧图以及第5帧图进行NCC函数求取,以得到4个NCC函数值,而这4个NCC函数值分别为第二NCC函数值、第三NCC函数值、第四NCC函数值以及第五NCC函数值;
S4、判断得到的NCC函数值是否大于预设的阈值T,若是,则将与该NCC函数值相对应的非重复帧进行删除;反之,则将与该NCC函数值相对应的非重复帧进行保留;
由于,第二NCC函数值和第五NCC函数均大于预设的阈值T,第三NCC函数值和第四NCC函数值均小于等于预设的阈值T,因此此时,则将第2帧图和第5帧图删除,而将第3帧图和第4帧图进行保留;
S5、判断取出的4个非重复帧是否均已被删除,若是,则所述的关键帧保持不变,并执行步骤S6;反之,则在保留的非重复帧中取出一个离关键帧最近的非重复帧,来作为新的关键帧,而关键帧后面的剩余图像为非重复帧,然后执行步骤S6;
由于取出的4个非重复帧中,第3帧图和第4帧图被保留了,因此,在这两个保留的非重复帧中取出一个离关键帧最近的非重复帧,即第3帧图,来作为新的关键帧,而关键帧后面的剩余图像,即第4帧图以及第6帧图至第30,000帧图,为非重复帧;
S6、判断当前的非重复帧的个数是否小于4;
由于当前的非重复帧的个数,即第4帧图以及第6帧图至第30,000帧图的总个数,大于4,因此,继续执行上述相应的处理,即依次取出当前的关键帧(第3帧图)后面的4个非重复帧,即第4帧图,以及第6帧图至第8帧图,然后采用NCC函数,进而将当前的关键帧(第3帧图)与取出的4个非重复帧逐一进行计算,以得到4个NCC函数值,接着,判断得到的NCC函数值是否大于预设的阈值T,若是,则将与该NCC函数值相对应的非重复帧进行删除,反之,则将与该NCC函数值相对应的非重复帧进行保留,跟着,则在保留的非重复帧中取出一个离关键帧最近的非重复帧,来作为新的关键帧,而当前关键帧后面的剩余图像为非重复帧,最后,判断当前的非重复帧的个数是否小于4,若否,则如此类推地重新执行上述相应的处理步骤,直至当前关键帧后面所剩余的非重复帧的个数小于4时,则结束。
对于上述的实施例,若第二NCC函数值至第五NCC函数值均大于预设的阈值T,此时,则将第2帧图至第5帧图进行删除,并且所述的关键帧不变,即仍然以第1帧图为关键帧,而其后面所剩余的图像,即第6帧图至第30,000帧图,为非重复帧。
上述NCC函数值的计算公式为:
其中,fk表示关键帧,fnr表示非重复帧,M为一个帧图的像素点总个数,表示关键帧的像素亮度平均值,表示非重复帧的像素亮度平均值,fk(x,y)表示关键帧的图像坐标(x,y)处的像素亮度值,fnr(x,y)表示非重复帧的图像坐标(x,y)处的像素亮度值;S(fk,fnr)表示NCC函数值,σ(fk)表示关键帧的标准差,σ(fnr)表示非重复帧的标准差。
优选地,所述N的取值范围为:3≤N≤9,N为3时,删除的冗余视频图像最少,N为9时,删除的冗余视频图像最多。由图2所示,其显示了胶囊内窥镜向前运动和向后运动的轨迹示意图,胶囊内窥镜向前运动的轨迹为1到11,向后运动的轨迹为11到12,而再次向前运动的轨迹为12到13,由此可知,轨迹11到12,12到13之间会产生视频冗余,这里通过N的取值,从而能够更好地解决胶囊内窥镜向前运动和向后运动所带来的视频冗余。而对于本实施例,所述N的取值优选为9。
优选地,为了不漏检,通过实验选定所述预设的阈值T的范围为0.86≤T≤0.98,而阈值T选0.86时,删除的冗余视频图像最多,阈值T选0.98时,删除的冗余视频图像最少。而对于本实施例,所述T的取值优选为0.90。
由上述可得,本发明的方法能够很好地解决胶囊内窥镜向前向后运动而产生的视频冗余,即本发明能够提高胶囊内窥镜视频冗余的识别率,以及提高去除该视频冗余的准确率。并且,由于本发明的系统采用了NCC的计算方法,因此本发明的系统还具有计算简便、冗余识别去除效率高等优点。
由图3所示,一种胶囊内窥镜视频图像的去冗余系统,其包括:
初始化模块,用于获取WCE视频图像,并且将WCE视频图像中的第一帧图设为关键帧,而其余的图像设为非重复帧;
NCC函数计算模块,用于依次取出关键帧后面的N个非重复帧,并且采用NCC函数,进而将关键帧与取出的N个非重复帧逐一进行计算,以得到N个NCC函数值,其中,N为预设的正整数,且1<N<10;
第一判断处理模块,用于判断得到的NCC函数值是否大于预设的阈值T,若是,则将与该NCC函数值相对应的非重复帧进行删除;反之,则将与该NCC函数值相对应的非重复帧进行保留;
第二判断处理模块,用于判断取出的N个非重复帧是否均已被删除,若是,则所述的关键帧保持不变,并执行第三判断处理模块;反之,则在保留的非重复帧中取出一个离关键帧最近的非重复帧,来作为新的关键帧,而关键帧后面的剩余图像为非重复帧,然后执行第三判断处理模块;
第三判断处理模块,用于判断当前的非重复帧的个数是否小于N,若是,则结束;反之,则重新执行NCC函数计算模块。
进一步作为优选的实施方式,所述NCC函数值的计算公式为:
其中,fk表示关键帧,fnr表示非重复帧,M为一个帧图的像素点总个数,表示关键帧的像素亮度平均值,表示非重复帧的像素亮度平均值,fk(x,y)表示关键帧的图像坐标(x,y)处的像素亮度值,fnr(x,y)表示非重复帧的图像坐标(x,y)处的像素亮度值;S(fk,fnr)表示NCC函数值,σ(fk)表示关键帧的标准差,σ(fnr)表示非重复帧的标准差。
进一步作为优选的实施方式,所述N的取值范围为:3≤N≤9。
进一步作为优选的实施方式,所述T的取值范围为:0.86≤T≤0.98。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种胶囊内窥镜视频图像的去冗余方法,其特征在于:该方法包括:
A、获取WCE视频图像,并且将WCE视频图像中的第一帧图设为关键帧,而其余的图像设为非重复帧;
B、依次取出关键帧后面的N个非重复帧,并且采用NCC函数,进而将关键帧与取出的N个非重复帧逐一进行计算,以得到N个NCC函数值,其中,N为预设的正整数,且1<N<10;
C、判断得到的NCC函数值是否大于预设的阈值T,若是,则将与该NCC函数值相对应的非重复帧进行删除;反之,则将与该NCC函数值相对应的非重复帧进行保留;
D、判断取出的N个非重复帧是否均已被删除,若是,则所述的关键帧保持不变,并执行步骤E;反之,则在保留的非重复帧中取出一个离关键帧最近的非重复帧,来作为新的关键帧,而关键帧后面的剩余图像为非重复帧,然后执行步骤E;
E、判断当前的非重复帧的个数是否小于N,若是,则结束;反之,则重新执行步骤B。
3.根据权利要求1或2所述的一种胶囊内窥镜视频图像的去冗余方法,其特征在于:所述N的取值范围为:3≤N≤9。
4.根据权利要求1或2所述的一种胶囊内窥镜视频图像的去冗余方法,其特征在于:所述T的取值范围为:0.86≤T≤0.98。
5.一种胶囊内窥镜视频图像的去冗余系统,其特征在于:其包括:
初始化模块,用于获取WCE视频图像,并且将WCE视频图像中的第一帧图设为关键帧,而其余的图像设为非重复帧;
NCC函数计算模块,用于依次取出关键帧后面的N个非重复帧,并且采用NCC函数,进而将关键帧与取出的N个非重复帧逐一进行计算,以得到N个NCC函数值,其中,N为预设的正整数,且1<N<10;
第一判断处理模块,用于判断得到的NCC函数值是否大于预设的阈值T,若是,则将与该NCC函数值相对应的非重复帧进行删除;反之,则将与该NCC函数值相对应的非重复帧进行保留;
第二判断处理模块,用于判断取出的N个非重复帧是否均已被删除,若是,则所述的关键帧保持不变,并执行第三判断处理模块;反之,则在保留的非重复帧中取出一个离关键帧最近的非重复帧,来作为新的关键帧,而关键帧后面的剩余图像为非重复帧,然后执行第三判断处理模块;
第三判断处理模块,用于判断当前的非重复帧的个数是否小于N,若是,则结束;反之,则重新执行NCC函数计算模块。
7.根据权利要求5或6所述的一种胶囊内窥镜视频图像的去冗余系统,其特征在于:所述N的取值范围为:3≤N≤9。
8.根据权利要求5或6所述的一种胶囊内窥镜视频图像的去冗余系统,其特征在于:所述T的取值范围为:0.86≤T≤0.98。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310710917.6A CN103747270B (zh) | 2013-12-19 | 2013-12-19 | 一种胶囊内窥镜视频图像的去冗余方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310710917.6A CN103747270B (zh) | 2013-12-19 | 2013-12-19 | 一种胶囊内窥镜视频图像的去冗余方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103747270A true CN103747270A (zh) | 2014-04-23 |
CN103747270B CN103747270B (zh) | 2017-01-11 |
Family
ID=50504252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310710917.6A Expired - Fee Related CN103747270B (zh) | 2013-12-19 | 2013-12-19 | 一种胶囊内窥镜视频图像的去冗余方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103747270B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056588A (zh) * | 2016-05-25 | 2016-10-26 | 安翰光电技术(武汉)有限公司 | 胶囊内窥镜图像数据去冗余方法 |
CN106056166A (zh) * | 2016-06-29 | 2016-10-26 | 中科院合肥技术创新工程院 | 一种胶囊内窥镜相似图像的自适应筛除方法 |
CN106780429A (zh) * | 2016-11-16 | 2017-05-31 | 重庆金山医疗器械有限公司 | 基于感知颜色空间和关键角点的wce视频时序冗余图像数据的关键帧提取方法 |
CN107240091A (zh) * | 2017-04-21 | 2017-10-10 | 安翰光电技术(武汉)有限公司 | 胶囊内窥镜图像预处理系统及方法 |
CN111355977A (zh) * | 2020-04-16 | 2020-06-30 | 广东小天才科技有限公司 | 一种网络直播视频的优化保存方法及装置 |
CN112906818A (zh) * | 2021-03-17 | 2021-06-04 | 东南数字经济发展研究院 | 一种减少视频数据集用于人工智能训练时冗余的方法 |
WO2021227704A1 (zh) * | 2020-05-11 | 2021-11-18 | 腾讯科技(深圳)有限公司 | 图像识别方法、视频播放方法、相关设备及介质 |
CN115564712A (zh) * | 2022-09-07 | 2023-01-03 | 长江大学 | 基于孪生网络的胶囊内窥镜视频图像冗余帧去除的方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767365A (zh) * | 2017-09-21 | 2018-03-06 | 华中科技大学鄂州工业技术研究院 | 一种内窥镜图像处理方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101584571A (zh) * | 2009-06-15 | 2009-11-25 | 无锡骏聿科技有限公司 | 一种胶囊内镜辅助读片方法 |
US8532349B2 (en) * | 2010-02-02 | 2013-09-10 | Omnivision Technologies, Inc. | Encapsulated image acquisition devices having on-board data storage, and systems, kits, and methods therefor |
CN102096917B (zh) * | 2010-12-22 | 2012-08-15 | 南方医科大学 | 胶囊内窥镜冗余图像数据的自动剔除方法 |
CN102389287B (zh) * | 2011-06-30 | 2014-01-08 | 豪威科技(上海)有限公司 | 胶囊内窥镜的多模式控制检测方法 |
-
2013
- 2013-12-19 CN CN201310710917.6A patent/CN103747270B/zh not_active Expired - Fee Related
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056588A (zh) * | 2016-05-25 | 2016-10-26 | 安翰光电技术(武汉)有限公司 | 胶囊内窥镜图像数据去冗余方法 |
CN106056166A (zh) * | 2016-06-29 | 2016-10-26 | 中科院合肥技术创新工程院 | 一种胶囊内窥镜相似图像的自适应筛除方法 |
CN106780429A (zh) * | 2016-11-16 | 2017-05-31 | 重庆金山医疗器械有限公司 | 基于感知颜色空间和关键角点的wce视频时序冗余图像数据的关键帧提取方法 |
CN106780429B (zh) * | 2016-11-16 | 2020-04-21 | 重庆金山医疗器械有限公司 | 基于感知颜色空间和关键角点的wce视频时序冗余图像数据的关键帧提取方法 |
CN107240091A (zh) * | 2017-04-21 | 2017-10-10 | 安翰光电技术(武汉)有限公司 | 胶囊内窥镜图像预处理系统及方法 |
CN107240091B (zh) * | 2017-04-21 | 2019-09-03 | 安翰科技(武汉)股份有限公司 | 胶囊内窥镜图像预处理系统及方法 |
CN111355977A (zh) * | 2020-04-16 | 2020-06-30 | 广东小天才科技有限公司 | 一种网络直播视频的优化保存方法及装置 |
CN111355977B (zh) * | 2020-04-16 | 2022-05-24 | 广东小天才科技有限公司 | 一种网络直播视频的优化保存方法及装置 |
WO2021227704A1 (zh) * | 2020-05-11 | 2021-11-18 | 腾讯科技(深圳)有限公司 | 图像识别方法、视频播放方法、相关设备及介质 |
CN112906818A (zh) * | 2021-03-17 | 2021-06-04 | 东南数字经济发展研究院 | 一种减少视频数据集用于人工智能训练时冗余的方法 |
CN115564712A (zh) * | 2022-09-07 | 2023-01-03 | 长江大学 | 基于孪生网络的胶囊内窥镜视频图像冗余帧去除的方法 |
CN115564712B (zh) * | 2022-09-07 | 2023-07-18 | 长江大学 | 基于孪生网络的胶囊内窥镜视频图像冗余帧去除的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103747270B (zh) | 2017-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103747270A (zh) | 一种胶囊内窥镜视频图像的去冗余方法及系统 | |
Jia et al. | Automatic polyp recognition in colonoscopy images using deep learning and two-stage pyramidal feature prediction | |
Pogorelov et al. | Deep learning and hand-crafted feature based approaches for polyp detection in medical videos | |
CN110475505A (zh) | 利用全卷积网络的自动分割 | |
CN110599421B (zh) | 模型训练方法、视频模糊帧转换方法、设备及存储介质 | |
US20110311021A1 (en) | Medical image display apparatus and x-ray computed tomography apparatus | |
CN113743384B (zh) | 一种胃部图片识别方法及装置 | |
CN114998210B (zh) | 一种基于深度学习目标检测的早产儿视网膜病变检测系统 | |
CN109460717B (zh) | 消化道共聚焦激光显微内镜病变图像识别方法及装置 | |
JP7079358B2 (ja) | 目標検出方法及び装置、コンピュータシステム並びに可読記憶媒体 | |
US10970582B2 (en) | Information processing method, information processing device, and recording medium | |
CN111276240A (zh) | 一种基于图卷积网络的多标签多模态全息脉象识别方法 | |
CN111209811B (zh) | 一种实时检测眼球注意力位置的方法及系统 | |
WO2012109670A1 (en) | Systems, methods, and media for detecting an anatomical object in a medical device image | |
Yan et al. | Cine MRI analysis by deep learning of optical flow: Adding the temporal dimension | |
CN113160229A (zh) | 基于层级监督级联金字塔网络的胰腺分割方法及装置 | |
Halder et al. | Atrous convolution aided integrated framework for lung nodule segmentation and classification | |
Jian et al. | Dual-Branch-UNet: A Dual-Branch Convolutional Neural Network for Medical Image Segmentation. | |
US20230177639A1 (en) | Temporal video enhancement | |
WO2020038462A1 (zh) | 基于深度学习的舌体分割装置、方法及存储介质 | |
CN114693598A (zh) | 一种胶囊内镜胃肠道器官图像自动识别方法 | |
CN113506274A (zh) | 基于视觉显著性差异图的用于人体认知状况的检测系统 | |
CN113989206A (zh) | 一种基于轻量化模型的骨龄预测方法及装置 | |
CN105100776B (zh) | 一种立体视频截图方法及装置 | |
Du et al. | ICGNet: Integration Context-based Reverse-Contour Guidance Network for Polyp Segmentation. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170111 Termination date: 20171219 |