CN105469093A - 一种智能耳鼻喉电子检查装置及图像处理方法 - Google Patents

Abstract

本发明公开了一种智能耳鼻喉电子检查装置，包括检查椅和检查装置，所述检查装置包括检查壳体、Y型弹性软管、微型摄像头、微型聚光灯及线路板、显示屏、控制器、无线发射模块、电池、转动杆、旋转片、开关按钮组成。检查装置有微型摄像头并且检查壳体上设置显示屏，医生把微型摄像头放入所需要检查的器官里，通过本发明的方法得到包含了在各种模式下、各种观测角度对同一病患部位的综合特征描述的合成图像，通过融合所得的图像更符合人机视觉特征，有利于进一步分析病情，以及对病变部位进行检测、跟踪、识别，本发明采用LED光源，解决了传统的耳鼻喉检查主要依靠观察仪采用光学反射式造成光线不强，观察不清晰的问题。

Description

一种智能耳鼻喉电子检查装置及图像处理方法

技术领域

本发明属于医疗器械和图像处理方法技术领域，尤其涉及一种智能耳鼻喉电子检查装置及图像处理方法。

背景技术

临床上医生检查病人耳鼻喉时，病人一般坐在检查装置上进行检查，现有技术中的检查椅的高矮和靠背倾斜不能自动调节，给医生的检查带来了不便，同时医生在检查病人耳腔和鼻腔时都是手拿着手电筒照明，并仅通过眼睛直接观察；在对口腔及咽喉进行检查更加麻烦，通常一手拿着手电筒照入病人口腔咽喉观察，利用头上戴着的反光镜将光线反射至病人口腔或咽喉内。但是这些传统方法给医生均造成诸多不便，而且手电筒或者反光镜照入口腔的光线非常有限和照射角度也难以控制，不利于医生清楚观察病人耳腔、鼻腔、口腔或咽喉病位情况，加上医生通过眼睛直接观察，距离相对较远，观察不清楚、不全面，这将会导致医生未能准确检查，有可能作出错误的诊断结果。

发明内容

本发明的目的在于提供一种智能耳鼻喉电子检查装置，旨在解决临床上医生检查病人耳鼻喉时传统方法给医生不利于清楚观察病人耳腔、鼻腔、咽喉病位情况，导致医生未能准确诊断的问题。

本发明是这样实现的，一种智能耳鼻喉电子检查装置，包括检查椅和检查装置，所述检查椅设置有靠背，所述检查装置包括检查壳体、Y型弹性软管、微型摄像头、微型聚光灯及线路板、显示屏、控制器、无线发射模块、电池、转动杆、旋转片、开关按钮组成；所述转动杆两端分别与靠背的上端和旋转片的上端铰接，所述旋转片下端固定在检查装置上中部，显示屏设置在检查壳体上并与电池电性连接，控制器、无线发射模块、电池均设置在检查壳体内部，控制器和无线发射模块均与电池电性连接，所述开关按钮设置在检查壳体外部并与电池电性连接；所述Y型弹性软管安装在检查壳体底部，微型摄像头、微型聚光灯及线路板分别设置在Y型弹性软管两端，所述微型摄像头、微型聚光灯及线路板均与电池电性连接，所述微型摄像头与控制器电性连接，所述控制器与显示屏电性连接。

进一步，所述检查椅还包括底座、座椅、扶手、升降器和旋转把手；

所述升降器设置在底座中部，所述升降器上设置有升降把手，所述座椅设置在升降器顶部，所述座椅和靠背通过旋转把手连接，所述扶手设置在座椅左右两侧中部。

进一步，所述旋转片下端通过螺丝钉固定在检查壳体上中部，所述显示屏设置在检查壳体右侧中部，所述开关按钮设置在检查壳体左侧中部。

进一步，所述升降器中设置有液压缸，所述座椅和靠背上均设置有柔软垫。

进一步，所述旋转把手设置为能调节座椅的高度以及座椅和靠背之间的角度的旋转把手。

进一步，所述电池采用充电锂电池，所述微型聚光灯及线路板中微型聚光灯采用LED光源。

进一步，所述无线发射模块采用声表面谐振器电路设计的ASK方式无线发射，无线发射模块通过信号与用户电脑或手机相连，所述控制器设置为模拟数字转换器芯片。所述无线发射信号采用WIFI或GPRS发射信号，发射模块采用具有1000米发射距离的调制ASK方式发射，这种发射模块成本低，工作稳定，发射模块将收到来自编码芯片的数字信息调制整合于315MHZ无线电波中。

进一步，显示屏采用触摸式液晶屏，显示屏能够控制本装置的工作以及微型摄像头的对焦。

本发明另一目的在于提供一种图像处理方法，该图像处理方法包括：

步骤一，将采集到的图像进行去噪预处理；

步骤二，对预处理后的图像进行像素级图像融合；

步骤三，对像素级图像融合后的图像进行感兴趣区域分割及主要特征提取，获取物体主要信息；

步骤四，对步骤㈢处理后图像的边缘进行分割和匹配，以得到分割后的图形基元关系。

进一步，所述步骤㈠中去噪预处理采用的方法为：阈值小波去噪方法、中值滤波去噪方法、马尔可夫树去

噪方法、贝叶斯估计去噪方法或神经网络去噪方法；所述步骤㈡中像素级图像融合方法为：IHS变换方法、PCA变换方法、线性加权法或基于小波变换方法。

进一步，所述步骤㈢中感兴趣区域分割及主要特征提取，包括：

选择图像分割算法提取感兴趣区域，去除背景和非有用信息，所述图像分割算法为基于数学形态学的图像分割方法、基于模糊理论的图像分割方法、基于神经网络的图像分割方法、基于支持向量机的图像分割方法、基于图论的图像分割方法、基于免疫算法的图像分割方法或基于粒度计算理论的图像分割方法；

通过目标识别算法确定图像中是否存在感兴趣的目标，并精确定位，所述目标识别算法为由下而上的数据驱动型性或由上而下的知识驱动型；

将图像中有意义的特征或区域提取出来，所述特征区域是图像的原始特征或空间频谱，所述原始特征为像素的灰度值、物体轮廓、颜色、反射特征和纹理，所述空间频谱为直方图特征。

与现有技术相比，本发明的有益效果是：本发明采用无线发射模块和电池供电，摆脱了线缆对医师的限制，方便医师的使用；通过调节座椅升降器和旋转把手，可以调节座椅的高度以及座椅和靠背之间的角度，病人根据医生要求调整坐姿，方便检查，由于座椅和靠背上均设置有柔软垫，病人在检查过程中可以感觉到很舒服，不会产生烦躁的情绪；由于检查装置采用的是微型摄像头并且检查壳体上设置有显示屏，医生只需要把微型摄像头放入所需要检查的器官里，可以通过观察显示屏来判断病人的病情，本发明采用微型摄像头和LED光源，解决了传统的耳鼻喉检查主要依靠观察仪采用光学反射式造成光线不强，观察不清晰的问题，传统的耳鼻喉检查主要依靠观察仪采用光学反射式方法实现，该观察仪利用外置固定光源，医生佩戴的额戴镜的反射光束投射到患者的检查部进行观察，由于利用的是额戴镜的反射光束来进行观察，光线不强，特别是在鼻腔内部深处，光线更差，容易影响医生对患者病症的诊断。本发明操作简单，具有推广价值。

通过本发明的方法可以得到包含了在各种模式下、各种观测角度对同一病患部位的综合特征描述的合成图像，通过融合所得的图像更符合人机视觉特征，有利于进一步分析病情，以及对病变部位进行检测、跟踪、识别。本发明充分利用微型摄像头提供的具有互补性和冗余性的多源图像，将其进行综合处理，生成更清晰、更完整、更可靠的图像，以此提高系统的性能；本发明减少了不确定性，获取对同一病变部位的更加准确、更加全面、更加可靠影像描述；本发明通过综合源图像的重要信息，得到统一的图像或数据，得到统一的图像或数据可利用无线发射模块通过信号与用户电脑或手机相连，能够使信息具有高度的集成性，便于传输到患者或相关部门。

附图说明

图1是本发明实施例提供的图像处理方法流程图；

图2是本发明实施例提供的图像处理方法中感兴趣区域分割及主要特征提取流程图；

图3是本发明实施例提供的智能耳鼻喉电子检查装置结构示意图；

图4是本发明实施例提供的智能耳鼻喉电子检查装置检查壳体内部结构示意图。

图中：1、检查壳体；2、Y型弹性软管；3、微型摄像头；4、微型聚光灯及线路板；5、显示屏；6、控制器；7、无线发射模块；8、电池；9、转动杆；10、旋转片；11、开关按钮；12靠背；13、底座；14、座椅；15、扶手；16、升降器；17、旋转把手。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图及具体实施例对本发明的应用原理作进一步描述。

如图1：一种图像处理方法，该图像处理方法包括：

S101

将采集到的图像进行去噪预处理；

S102

对预处理后的图像进行像素级图像融合；

S103

对像素级图像融合后的图像进行感兴趣区域分割及主要特征提取，获取物体主要信息；

S104

对S103处理后图像的边缘进行分割和匹配，以得到分割后的图形基元关系。

所述S101中去噪预处理采用的方法为：阈值小波去噪方法、中值滤波去噪方法、马尔可夫树去噪方法、贝叶斯估计去噪方法或神经网络去噪方法；

所述S102中像素级图像融合方法为：IHS变换方法、PCA变换方法、线性加权法或基于小波变换方法。

如图2：所述S103中感兴趣区域分割及主要特征提取，包括：

S201

选择图像分割算法提取感兴趣区域，去除背景和非有用信息，所述图像分割算法为基于数学形态学的图像分割方法、基于模糊理论的图像分割方法、基于神经网络的图像分割方法、基于支持向量机的图像分割方法、基于图论的图像分割方法、基于免疫算法的图像分割方法或基于粒度计算理论的图像分割方法；

S202

通过目标识别算法确定图像中是否存在感兴趣的目标，并精确定位，所述目标识别算法为由下而上的数据驱动型性或由上而下的知识驱动型；

S203

将图像中有意义的特征或区域提取出来，所述特征区域是图像的原始特征或空间频谱，所述原始特征为像素的灰度值、物体轮廓、颜色、反射特征和纹理，所述空间频谱为直方图特征。

如图3和图4：一种智能耳鼻喉电子检查装置，包括检查椅和检查装置，所述检查椅设置有靠背12，所述检查装置包括检查壳体1、Y型弹性软管2、微型摄像头3、微型聚光灯及线路板4、显示屏5、控制器6、无线发射模块7、电池8、转动杆9、旋转片10、开关按钮11组成；所述转动杆9两端分别与靠背12的上端和旋转片10的上端铰接，所述旋转片10下端固定在检查装置上中部，显示屏5设置在检查壳体上1并与电池8电性连接，控制器6、无线发射模块7、电池8均设置在检查壳体1内部，控制器6和无线发射模块7均与电池8电性连接，所述开关按钮11设置在检查壳体1外部并与电池电性连接；所述Y型弹性软管2安装在检查壳体底部，微型摄像头3、微型聚光灯及线路板4分别设置在Y型弹性软管2两端，所述微型摄像头3、微型聚光灯及线路板4均与电池8电性连接，所述微型摄像头与控制器电性连接，所述控制器与显示屏电性连接。

所述检查椅还包括底座13、座椅14、扶手15、升降器16和旋转把手17；

所述升降器16设置在底座13中部，所述升降器16上设置有升降把手，所述座椅14设置在升降器顶部，所述座椅14和靠背12通过旋转把手17连接，所述扶手15设置在座椅14左右两侧中部。

所述旋转片10下端通过螺丝钉固定在检查壳体1上中部，所述显示屏5设置在检查壳体右侧中部，所述开关按钮11设置在检查壳体左侧中部。

所述升降器16中设置有液压缸，所述座椅14和靠背12上均设置有柔软垫。

所述旋转把手17设置为能调节座椅的高度以及座椅和靠背之间的角度的旋转把手。

所述电池8采用充电锂电池，所述微型聚光灯及线路板4中微型聚光灯采用LED光源。

所述无线发射模块采用声表面谐振器电路设计的ASK方式无线发射，无线发射模块通过信号与用户电脑或手机相连，所述控制器设置为模拟数字转换器芯片。

显示屏5采用触摸式液晶屏，显示屏能够控制本装置的工作以及微型摄像头的对焦。

工作原理：

通过调节升降器和旋转把手，把座椅调节到合适的高度以及调节座椅和靠背之间合适的角度，让病人坐上去有舒适的感觉。由于座椅和靠背上均设置有柔软垫，病人在检查过程中可以感觉到很舒适，不会产生烦躁的情绪。按下检查壳体上的开关按钮，微型摄像头、显示屏和微型聚光灯及线路板打开，医生把微型摄像头和微型聚光灯及线路板放入所需要检查的器官里，无线发射模块将采集到的图像发射到显示屏上，显示屏控制本装置的工作以及微型摄像头的对焦，调整到清晰图像为止，通过观察显示屏来判断病人的病情，进行针对性的治疗。

无线发射模块采用声表面谐振器电路设计的ASK无线发射。此电路只有按下按键时才有电流消耗，平时不耗电使用简单。配合常用的ASK接收电路工作。具有较高的频率稳定度，数据端口可以直接连接单片机I/O口或者无线编码芯片的数据信号输出端，可以直接实现数据到无线信号发射的功能。此模块体积较小，单面贴片原件。可以直接以贴片的形式，贴装在电路板上应用非常方便。

本发明采用无线发射模块和电池供电，摆脱了线缆对医师的限制，方便医师的使用；通过调节座椅升降器和旋转把手，可以调节座椅的高度以及座椅和靠背之间的角度，病人根据医生要求调整坐姿，方便检查，由于座椅和靠背上均设置有柔软垫，病人在检查过程中可以感觉到很舒服，不会产生烦躁的情绪；由于检查器采用的是微型摄像头并且检查壳体上设置有显示屏，医生只需要把微型摄像头放入所需要检查的器官里，可以通过观察显示屏来判断病人的病情，本发明采用微型摄像头和LED光源，解决了传统的耳鼻喉检查主要依靠观察仪采用光学反射式造成光线不强，观察不是特别清晰的问题，传统的耳鼻喉检查主要依靠观察仪采用光学反射式方法实现，该观察仪利用外置固定光源，医生佩戴的额戴镜的反射光束投射到患者的检查部进行观察，由于利用的是额戴镜的反射光束来进行观察，光线不强，观察不是特别清晰，特别是在鼻腔内部深处，光线更差，容易影响医生对患者病症的诊断。

以下结合具体实施例对本发明进一步说明：

噪声是影响图像质量的主要因素，由于实际应用环境变化及其它因素的影响，微型摄像头采集到的原始图像通常存在较大的噪声，为进一步的图像分析造成很大的干扰。所以，将采集到的图像进行去噪预处理。选取一种较好的图像去噪算法是非常必要的。阈值小波、中值滤波、马尔可夫树、贝叶斯估计、神经网络等方法都可应用于图像去噪。其中，小波去噪方法是应用最广泛的一种。

像素级图像融合的目的主要有以下两点:通过冗余信息来提高可靠性；通过互补信息来提高信息容量。像素级图像融合方法可以有：IHS变换方法、PCA变换方法、线性加权法或基于小波变换方法。

IHS变换：IHS变换是通过将图像变换到各个成分，通过对某个成分进行调节或替换来达到图像增强和信息融合的方法，它不仅实现起来简单，而且应用起来非常灵活。IHS变换主要是针对于彩色图像进行，一幅彩色图像中包含R、G、B三个成分，通过对图像进行IHS变换，可将这三个成分分离成代表空间信息的明度I、光谱信息的色度H和饱和度S这三个成分。分离后的三个成分之间是相互独立的，可对每个成分单独进行调节，获得不同的显示效果。在这三个成分中，明度I对空间分辨率起着决定性作用，人眼视觉系统对明度I

也比较敏感，如果对图像中的I分量进行合适的替换，可以得到更好的适于人眼观察的图像。IHS变换法，具体按以下步骤进行：

⑴对原始图像进行预处理，包括图像的几何校正、图像配准以及去噪；

（2）对多光谱图像进行IHS变换，得到其亮度分量、色度分量和饱和度分量三幅分量图像；

⑶将多光谱图像经IHS变换后产生的亮度分量图像与全色图像来进行直方图匹配，以生成与亮度分量图像有着相似直方图分布特性的图像；⑷采用第三步中生成的全色图像来代替多光谱图像经IHS变换后产生的亮度分量，并与H分量、S分量图像一起进行IHS逆变换，最终得到融合图像。

线性加权法：在经典的融合算法中，最简单的应属线性加权法，这种方法是按照设定的权值，对各图像中对应像素点的灰度值乘以相应的权值后再求和，将和值作为融合图像对应点的像素值。

一般在融合时采用以下几种方法：取平均、基于极小值和基于极大值的融合方法。总的来讲，概念比较简单，计算量非常的小，比较适合实时处理是线性加权法优于其它方法的地方：但是经线性加权处理之后往往会使图像带有很强的噪声，这是线性加权法最大的缺点。如果两幅图像的灰度相差很大，得到的图像会出现块状现象，视觉效果比较差。

PCA变换融合法：图像的类型不同，所侧重的信息类型也不同，描述目标的角度也不同。因此，如果能将不同类型的图像进行分解变换，从中提取有用的信息并加以综合，则会使得融合图像包含更多可用的信息。比如，多个单色光谱的图像信息一般由多光谱遥感图像来体现，其中包含丰富的光谱信息，而细节信息丰富则是全色遥感图像的特点。根据以上分析，可以通过将多光谱图像进行变换和合成后，再与白光图像进行图像融合，然后进行逆变换，就可使得到的图像既包含丰富的光谱信息，又能够较好的体现图像的细节信息，综合多光谱图像与全色图像二者的优点。PCA(主分量分析)方法是这类方法中比较常用的一种。采用主分量变换法进行融合的一般步骤如下：（1）首先通过计算得到TM图像的相关矩阵；（2）求出上一步中所得相关矩阵的特征值和相应的特征向量；（3）按由大到小的次序对特征值进行排列，相应的特征向量也要做相应变动；（4）得到第一主分量后，将其与空间配准的SPOT图像进行直方图匹配；（5）将第一主分量用上一步骤中由直方图匹配而生成的SPOT图形来代替，对各主分量进行逆主分量变换就可以得到融合图像。

PCA变换融合法所具有的主要优点是:融合后的图像不仅细节信息丰富，而且包含丰富的光谱信息，当TM图像包含的波段数较多时，融合效果会更好；PCA变换同时也具有以下缺点:因为要求TM图像的相对自相关矩阵，并且要求其特征值和特征向量，计算时需要花费的时间和费用十分可观，因此不能应用于对实时性要求比较高的系统。同HIS方法相似，由于PCA变换方法也是针对彩色图像进行，不适合对灰度图像的处理，用其对灰度进行图像融合，并不能体现该方法的优越性。

基于小波变换的图像融合：信号进行小波变换，可以将其分解到更低的分辨率水平上来进行表示。小波分解中，每经过一次分解，都可将原信号分解为低频的轮廓信息以及高频部分两部分组成，其中高频部分由水平、垂直和对角线三个方向的细节信息组成。并且每一次分解之后均使得信号的分辨率降低为原信号的1/2。

目前在信号分析处理过程中经常采用小波工具来对信号进行处理。基于小波变换的图像融合方法一般是:首先对待融合的原始图像分别进行小波变换，分解之后得到具有很高空间分辨率的图像的细节分量，通过一定的规则来选取各个细节分量，直接利用所得细节分量作为融合结果图像的细节分量，得到融合图像的小波多分辨率结构，然后再对所得的小波多分辨率分析结构进行小波

逆变换，最终得到增强后的图像。在上面过程中，由于未考虑图像的低频分量，易使得融合图像出现分块效应。

小波变换对原始图像也有一定的要求，因此，进行小波变换之前，也必

须对原始图像进行配准、去噪等一系列预处理之后，才能对其进行分解变换，小波算法多种多样，但使用小波变换进行图像融合的流程基本相同:首先对经过预处理的各原始图像分别进行小波变换，得到各个层次上的分解系数，然后根据某种融合准则对所得到的分解系数进行融合处理，得到融合图像的多分辨分析结构，再对得到的多分辨结构进行小波逆变换，重构出融合图像。

对于微型摄像头采集到的图像，首先要选择适当的图像分割算法提取感兴趣区域，既去除背景和非有用信息。这样可以减少后续工作的计算量。图像分割过程中，我们要考虑到很多因素，像素点的灰度值、像素点间的空间关系、主要识别物体的边缘信息。

图像分割方法可以是基于数学形态学的图像分割方法、基于模糊理论的图像分割方法、基于神经网络的图像分割方法、基于支持向量机的图像分割方法、基于图论的图像分割方法、基于免疫算法的图像分割方法、基于粒度计算理论的图像分割方法。确定场景中是否存在感兴趣的目标，并精确定位，常用的目标识别算法可分为两种：

一种是由下而上的数据驱动型性，另一种是由上而下的知识驱动型。前者不管识别目标属何种类型，先对原始图像进行分割、标记和特征提取，然后将每个带标记的分割区域的特征向量与目标模型相匹配，得到目标的属性；

后者需要根据待识别目标的模型，先对图像中可能存在的目标特征提出假设，然后根据假设有目的地进行图像分割、标记和特征提取，最后利用目标的知识对图像中的特征进行精匹配，得到目标的属性。将机舱采集到的机组运行状态图像中有意义的特征或区域提取出来，这些特征可以是图像的原始特征，如像素的灰度值、物体轮廓、颜色、反射特征和纹理等，也可以是空间频谱等，如直方图特征。

图像基元分割：将自然图像中的边缘图形分割成线段和圆弧，采用多项式拟合的方法。

首先追踪图形边缘，然后依次对每个像素点选取其周围n*n的窗口进行拟合，并获得倾斜角向量。从某个像素点开始，逐渐增加倾斜角向量的元素个数，同时对倾斜角向量进行差分，得到新的向量。再对新的向量依次取前i个元素的平均数，得到倾斜角变化平均数向量。

有了这两个向量，就可以利用插值拟合对图形进行分割了。依次对倾斜角向量的每个元素进行判断，首先判断其是否接近0度或90度，由于接近0度或90度的直线，在数字图像中往往被迫分成若干段小的线段，不利于拟合的准确性，因此这里对于接近0度或90度（这里指绝对值小于10度或大于80度并小于100度）的倾斜角的转变不予考虑分割。

对于不属于这个范围的元素，进一步观察变化向量中的对应元素，如果此元素的值大于平均向量中对应元素的值的2～3倍，则可判断其为可疑点。为了减少干扰以及数字图像对自然图形本身带来的误差，需要对可疑点做进一步的判断。如果可疑点的倾斜角的变化趋势相同，则可判断此点为分割点；否则，为干扰点，删除此点重新判断。为了使分割更准确，还需对分割出来的直线或圆弧做一次相反方向的分割，分割过程分为正向和反向两个步骤。

最后舍去分割后长度过短的直线或圆弧，它们对匹配和推理的意义不大，故视为无效。

图像基元匹配：首先选取若干合适的圆弧和一到二条直线边缘样本，用于训练神经网络。从端点开始，进行一次边缘跟踪，分别得到两个向量：横坐标组成的x向量和纵坐标组成的y向量，并分别减去它们的平均数以保持它们对原始图形的平移不变。

将其以z=x+y*i组合成新的向量z。接下来对z取傅立叶变换，得到特征向量direction[1]。

为了使特征向量对于原始图形还具有旋转和缩放不变性，还需对特征向量取模，并除以它的第二个元素direction[2]。分别得到训练样本的特征向量之后，就可以利用它们训练RBF神经网络了。由于这里的训练样本是分类好的，因此不需要用均值聚类，直接给定导师向量即可。

建立图像基元关系模型：预先建立物体由上至下的分解模型。例如一块手表，可以分解为表盘和表带，表盘又可以分解为边框和指标，以此类推，直至得到底层的直线和圆弧。

这些直线和圆弧互相之间具有某种空间关系，它们以这些空间关系构成整块手表。上述这些空间关系在自然图像中的判定如下：a)连接的判定：若一条直线或圆弧的端点与另一条直线或圆弧的某一点P1相邻，则它们是连接关系，若P1是端点，则它们为L连接关系，否则为T连接关系。b)平行的判定：按组成直线的像素点计算它们的平均倾斜角，若两条直线的平均倾斜角的差小于5度，则判定它们为平行关系。c)相切的判定：若存在单向的分割点，则它必为相切关系的分割点。d)共线的判定：将已被判定为直线的一组像素点拟合成直线，再计算另一组被判定为直线的像素点到直线的平均距离d1，若d1低于预设阈值ε1，则判定它们为共线关系。e)同心的判定：设有一随机点P2，它到一条被判定为圆弧的一组像素点的距离为向量d2，以d2的方差作为期望函数，搜索使d2的方差最小的点，作为上述圆弧的圆心，若两条圆弧的圆心之间的距离小于预设阈值ε2，则判定为同心关系。f)共圆的判定：判定有了圆心之后，通过计算圆弧上像素点到圆心的平均距离得到圆弧的近似半径，若两条同心圆弧之间的半径之差小预设阈值ε3，则判定它们为共圆关系。这些直线和圆弧以及它们之间的空间关系，可以用与或树来表示，利用共线和共圆关系，若干条直线或圆弧可以被弱判定为一条直线或圆弧，而连接关系是构成物体或子部件的最主要的特征。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种智能耳鼻喉电子检查装置，其特征在于，该智能耳鼻喉电子检查装置包括检查椅和检查装置，所述检查椅设置有靠背；所述检查装置包括检查壳体、Y型弹性软管、微型摄像头、微型聚光灯及线路板、显示屏、控制器、无线发射模块、电池、转动杆、旋转片、开关按钮；

所述转动杆两端分别与靠背的上端和旋转片的上端铰接，所述旋转片下端固定在检查装置上中部，显示屏设置在检查壳体上并与电池电性连接，控制器、无线发射模块、电池均设置在检查壳体内部，控制器和无线发射模块均与电池电性连接，所述开关按钮设置在检查壳体外部并与电池电性连接；所述Y型弹性软管安装在检查壳体底部，微型摄像头、微型聚光灯及线路板分别设置在Y型弹性软管两端，所述微型摄像头、微型聚光灯及线路板均与电池电性连接，所述微型摄像头与控制器电性连接，所述控制器与显示屏电性连接。

2.如权利要求1所述的智能耳鼻喉电子检查装置，其特征在于，所述检查椅还包括底座、座椅、扶手、升降器和旋转把手；

所述升降器设置在底座中部，所述升降器上设置有升降把手，所述座椅设置在升降器顶部，所述座椅和靠背通过旋转把手连接，所述扶手设置在座椅左右两侧中部。

3.如权利要求1所述的智能耳鼻喉电子检查装置，其特征在于，所述旋转片下端通过螺丝钉固定在检查壳体上中部，所述显示屏设置在检查壳体右侧中部，所述开关按钮设置在检查壳体左侧中部。

4.如权利要求1所述的智能耳鼻喉电子检查装置，其特征在于，所述升降器中设置有液压缸，所述座椅和靠背上均设置有柔软垫。

5.如权利要求1所述的智能耳鼻喉电子检查装置，其特征在于，所述旋转把手设置为能调节座椅的高度以及座椅和靠背之间的角度的旋转把手。

6.如权利要求1所述的智能耳鼻喉电子检查装置，其特征在于，所述电池采用充电锂电池，所述微型聚光灯及线路板中微型聚光灯采用LED光源。

7.如权利要求1所述的智能耳鼻喉电子检查装置，其特征在于，所述无线发射模块采用声表面谐振器电路设计的ASK方式无线发射，无线发射模块通过信号与用户电脑或手机相连，所述控制器设置为模拟数字转换器芯片。

8.一种如权利要求1所述的智能耳鼻喉电子检查装置的图像处理方法，其特征在于，该图像处理方法包括：

步骤一，将采集到的图像进行去噪预处理；

步骤二，对预处理后的图像进行像素级图像融合；

步骤三，对像素级图像融合后的图像进行感兴趣区域分割及主要特征提取，获取物体主要信息；

步骤四，对步骤㈢处理后图像的边缘进行分割和匹配，以得到分割后的图形基元关系。

9.如权利要求8所述的图像处理方法，其特征在于，所述步骤㈠中去噪预处理采用的方法为：阈值小波去噪方法、中值滤波去噪方法、马尔可夫树去

噪方法、贝叶斯估计去噪方法或神经网络去噪方法；

所述步骤㈡中像素级图像融合方法为：IHS变换方法、PCA变换方法、线性加权法或基于小波变换方法。

10.如权利要求8所述的图像处理方法，其特征在于，所述步骤㈢中感兴趣区域分割及主要特征提取，包括：

选择图像分割算法提取感兴趣区域，去除背景和非有用信息，所述图像分割算法为基于数学形态学的图像分割方法、基于模糊理论的图像分割方法、基于神经网络的图像分割方法、基于支持向量机的图像分割方法、基于图论的图像分割方法、基于免疫算法的图像分割方法或基于粒度计算理论的图像分割方法；

通过目标识别算法确定图像中是否存在感兴趣的目标，并精确定位，所述目标识别算法为由下而上的数据驱动型性或由上而下的知识驱动型；

将图像中有意义的特征或区域提取出来，所述特征区域是图像的原始特征或空间频谱，所述原始特征为像素的灰度值、物体轮廓、颜色、反射特征和纹理，所述空间频谱为直方图特征。