CN106846259A - 一种腹腔镜手术视频帧率自适应的实时去烟雾方法 - Google Patents
一种腹腔镜手术视频帧率自适应的实时去烟雾方法 Download PDFInfo
- Publication number
- CN106846259A CN106846259A CN201611163878.2A CN201611163878A CN106846259A CN 106846259 A CN106846259 A CN 106846259A CN 201611163878 A CN201611163878 A CN 201611163878A CN 106846259 A CN106846259 A CN 106846259A
- Authority
- CN
- China
- Prior art keywords
- mist
- video
- frame
- dark channel
- transmittance
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000002357 laparoscopic surgery Methods 0.000 title claims abstract description 26
- 230000006978 adaptation Effects 0.000 title claims abstract description 7
- 239000003595 mist Substances 0.000 claims abstract description 66
- 238000002834 transmittance Methods 0.000 claims abstract description 32
- 238000010586 diagram Methods 0.000 claims abstract description 26
- 230000008030 elimination Effects 0.000 claims abstract description 19
- 238000003379 elimination reaction Methods 0.000 claims abstract description 19
- 238000005286 illumination Methods 0.000 claims abstract description 12
- 238000003384 imaging method Methods 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims 2
- 238000001914 filtration Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 239000006002 Pepper Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 239000003500 flue dust Substances 0.000 description 2
- 238000007912 intraperitoneal administration Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000036301 sexual development Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10068—Endoscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30028—Colon; Small intestine
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种腹腔镜手术视频帧率自适应的实时去烟雾方法,包括步骤:获取腹腔镜手术视频的帧率;对视频进行帧率自适应采样;利用暗通道先验去雾原理,获得暗通道图、估计大气光照系数和估计透射率图;利用暗通道图、大气光照系数、透射率图,求解雾图成像模型的方程,获得去雾图像;将去雾图像实时输出形成去雾视频。对高帧率视频进行隔帧采样,大幅减少了需要处理的数据量;通过指针操作符访问储存在内存空间的图像,能够对数据进行高速读写;对暗通道图进行中值滤波处理,能够更好的保存图像边缘;求得透射率图后,将透射率图归一化,保证后续雾图成像方程的求解为整型数运算,解决了暗通道先验去雾方法中透射率图大量浮点运算导致算法时间大幅增加的问题。
Description
技术领域
本发明涉及数字图像处理技术领域,具体涉及一种腹腔镜手术视频帧率自适应的实时去烟雾方法。
背景技术
腹腔镜手术是一门新发展起来的微创方法,是未来手术方法发展的一个必然趋势。它是电子、光学、摄像等高科技技术在临床手术中应用的典范,具有创伤小、并发症少、安全、康复快的特点,近几年来,外科腔镜手术发展很快,可同时检查和治疗,是目前最先进、最尖端的微创技术。在治疗外科疾病中的作用已越来越受到人们的瞩目。并在国际上呈风靡性发展。腹腔镜手术使用冷光源提供照明,将腹腔镜镜头(直径为3-10mm)插入腹腔内,运用数字摄像技术使腹腔镜镜头拍摄到的图像通过光导纤维传导至后级信号处理系统,并且实时显示在专用监视器上。然后医生通过监视器屏幕上所显示患者器官不同角度的图像,对病人的病情进行分析判断,并且运用特殊的腹腔镜器械进行手术。而高温切割器械是进行腹腔镜手术时最常见的一种器械,它在切割人体组织时会产生明显的固体颗粒状的烟,同时使腹腔内气体温度上升,遇到温度较低的腹腔镜镜片时,会产生腹腔镜镜片起雾(Laparoscopic lens fogging,LLF),严重阻挡医生的手术视野,常常令手术需要暂停,相当于外科医生突然失去视力,大大影响了手术的流畅度,甚至有时引起不必要的医疗安全问题。
目前的研究表明提高腹腔镜视野清晰度的方法大致可分为四类:a)物理方法加温腹腔镜;b)防雾溶液的物理擦拭;c)腹腔镜设备的材料技术革新;d)组织擦拭。
上述方法基本都属于物理去雾方法,大量的时间耗费在保持手术视野的清晰上,使手术变得冗长,并且效果有限,而且往往费时,成本高,并且没有足够的数据来支持其改善的效果。而将利用计算机的强大运算能力,将数字图像处理运用于视频去雾具有成本低、操作简单的特点。对于单帧图像,暗通道先验去雾是数字图像去雾的常用算法。它通过求取原图像的暗通道矩阵、大气光照成分,估计原图的透射率矩阵,最后由雾图成像模型计算求得去雾图。为了获取更加精细的透射率矩阵,通常采用导向滤波的方法。然而这个过程中包含很多浮点运算,所以处理图像的速度比较慢,难以满足近些年腹腔镜手术高分辨率视频实时去雾的要求。
由于硬件设备的升级,近些年腹腔镜手术视频的分辨率普遍为1920*1080,所以优化暗通道先验去雾算法,实现高分辨率视频的实时去雾,构建一套数字化去雾系统,将处理后的清晰图像实时显示,能够给医生的腹腔镜手术带来极大的便利,降低手术风险。因此这样的一套实时去雾方法是很有必要的。
发明内容
针对腹腔镜手术视频的去烟雾方法中图像处理速度慢、实时性低、且获取的图像精度低的问题,本申请提供一种腹腔镜手术视频帧率自适应的实时去烟雾方法,包括步骤:
获取腹腔镜手术视频的帧率;
对视频进行帧率自适应采样,获得原含雾图像;将原含雾图像通过暗通道先验去雾原理计算后获得暗通道图像,并根据暗通道先验去雾原理估计暗通道图像的大气光照系数和透射率图;
利用原含雾图像、暗通道图、大气光照系数和透射率图求解雾图成像模型方程,获得去雾图像;将去雾图像实时输出形成去雾后的视频。
一种实施例中,对视频进行帧率自适应采样,具体是:判断帧率是否大于25FPS,若大于,对所述帧率视频进行隔帧采样,否则,对所述帧率视频进行逐帧采样。
一种实施例中,通过指针操作符遍历储存在内存空间的原含雾图像、暗通道图和透射率图。
一种实施例中,将原含雾图像通过暗通道先验去雾原理计算之前还包括对采样帧的原含雾图像进行降采样的步骤。
一种实施例中,将原含雾图像通过暗通道先验去雾原理计算后获得暗通道图的过程中包括步骤:对暗通道图进行中值滤波处理。
一种实施例中,在多核条件下,采用多个中值滤波器对暗通道图并行处理。
一种实施例中,中值滤波器的滤波窗口的大小为3像素*3像素。一种实施例中,获得透射率之前还包括对透射率图进行归一化处理。
一种实施例中,求解雾图成像方程,获得去雾图像,包括步骤:
对原含雾图像进行降采样;
将降采样后的原含雾图像、大气光照系数和透射率图通过求解雾图成像模型方程,获得去雾图像。
一种实施例中,将去雾图像实时输出形成去雾视频之前还包括对去雾图像进行放大插值处理的步骤。
依据上述实施例的实时去烟雾方法,对视频进行帧率自适应采样,对低帧率视频进行逐帧采样,对高帧率视频进行隔帧采样,并对采样帧的原含雾图像进行降采样,大幅减少了需要处理的数据量,进一步,提升了去烟雾的实时性。
另外,通过指针操作符访问储存在内存空间的图像,能够对数据进行高速读写,大大降低程序运行时间。另外,对暗通道图进行中值滤波处理,与最小值滤波相比,能够更好的保存图像边缘,将滤波窗口设置为3像素*3像素,保证了暗通道图的精细程度,也保证了由暗通道计算所得透射率图的精细程度,腹腔镜手术中手术刀高温切割所形成的组织烟尘颗粒较小,图像特征与椒盐噪声近似,可利用3像素*3像素窗口大小的中值滤波剔除。
另外,求解透射率图后,将透射率图归一化到8比特灰度范围内,使得后续雾图成像模型方程的求解为整型数运算,解决了暗通道先验去雾方法中透射率图大量浮点运算导致算法时间大幅增加的问题;
附图说明
图1为腹腔镜手术视频的实时去烟雾流程图;
图2为腹腔镜手术视频帧率自适应的实时去烟雾细节流程图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
本例提供一种腹腔镜手术视频的实时去烟雾方法,其流程图如图1所示,包括如下具体步骤。
S1:获取腹腔镜手术视频的帧率。
医院实际应用的腹腔镜手术视频的帧率有25FPS和50FPS两种,本例获取腹腔镜手术视频的帧率后对视频进行帧率自适应采样,避免高帧率对算法耗时的大幅增加,同时也能满足医生手术操作的要求。
S2:对视频进行帧率自适应采样,获得原含雾图像。
本步骤对视频进行帧率自适应采样,具体是:判断帧率是否大于25FPS,若大于,对该帧率视频进行隔帧采样,否则,对该帧率视频进行逐帧采样,即对低帧率视频进行逐帧采样,对高帧率视频进行隔帧采样,高帧率视频中未采样的帧图像不进行S3中的计算,而是沿用上一帧图像的计算结果,可以使算法耗时减少50%,而实际上带来的去雾效果的损失可以忽略不计。
S3:将原含雾图像通过暗通道先验去雾原理计算后获得暗通道图,并根据暗通道先验去雾原理估计暗通道图的大气光照系数和透射率图。
在绝大多数非天空的局部区域里,某一些像素总会有至少一个颜色通道具有很低的值。换言之,该区域光强度的最小值是个很小的数。我们给暗通道一个数学定义,对于任意的输入图像J,其暗通道可以用公式(1)表达:
式中Jc表示彩色图像的每个通道,Ω(x)表示以像素x为中心的一个窗口,c表示r、g、b三通道。
暗通道先验的理论指出:
Jdark→0 (2)
这个结论是基于大量自然图像暗通道图的统计而得出的先验结论。实际生活中造成三原色中低通道值主要有三个因素:a)汽车、建筑物和城市中玻璃窗户的阴影,或者是树叶、树与岩石等自然景观的投影;b)色彩鲜艳的物体或表面,在RGB的三个通道中有些通道的值很低(比如绿色的草地、树、植物,红色或黄色的花朵、叶子,或者蓝色的水面);c)颜色较暗的物体或者表面,例如灰暗色的树干和石头。总之,自然景物中到处都是阴影或者彩色,这些景物的图像的三原色低通道值总是很低的。将暗通道理论应用于腹腔镜手术中一样是适用的,而在腹腔镜镜头中三原色低通道值很低的则是人体器官、组织、血管等。
本步骤通过指针操作符访问储存到内存空间的原含雾图像、暗通道图和透射率图,能够对数据进行高速读写;
本步骤中还包括对暗通道图进行中值滤波处理,相比于最小值滤波,中值滤波算法能够更好的保存暗通道图边缘,同时,中值滤波算法比最小值滤波更加高效;进一步,本步骤在多核条件下,采用多个中值滤波器对暗通道图并行处理,加速了本步骤的运算。
本例将滤波窗口设置为3像素*3像素,保证了暗通道图的精细程度,也保证了由暗通道图计算所得透射率图的精细程度,腹腔镜手术中手术刀高温切割所形成的组织烟尘颗粒较小,图像特征与椒盐噪声相似,可利用3像素*3像素窗口大小的中值滤波剔除。
S4:利用原含雾图像、暗通道图像、大气光照系数和透射率图,求解雾图成像方程,获得去雾图像。
在计算机视觉和数字图像处理中,下述方程所描述的雾图形成模型被广泛使用:I(x)=J(x)t(x)+A(1-t(x))(3);
其中,I(x)是现在已经有的图像,本例中指原去雾图像,J(x)是要恢复的无雾的图像,本例中指去雾图像,A是全球大气光照图像,t(x)为透射率图像。
将式(3)变形为下式:
其中上标c表示r、g、b三通道。
首先,假设在每一个窗口内透射率t(x)为常数,定义为并且A值已经给定,然后对式(4)两边求两次最小值运算,得到下式:
其中J是待求的无雾的图像,根据前述的暗原色先验理论有:
因此有:
将式(7)代入式(5)中得到:
上式中即为透射率的估计值。
在现实生活中,即使是晴天白云,空气中也存在着一些颗粒,因此,看远处的物体还是能感觉到雾的影响,另外,雾的存在让人类感到景深的存在,因此,有必要在去雾的时候保留一定程度的雾,这可以通过在式(8)中引入一个权重因子ω,式(8)修正为:
本例中,取ω=0.75。soft matting修正算法被用于消除分块计算产生的图像锯齿很边缘模糊,但是由于此算法效率很低,大幅增加算法耗时,对实时处理有严重的不利影响,而且去雾效果上的提升并不明显,所以本例舍弃了这一步骤。
上述推论中基于A值已知的假设。在实际操作中,确定A值的具体步骤如下:(1)从暗通道图中按照亮度的大小取前0.1%的像素;(2)在这些位置中,在原始有雾图像I中寻找对应的具有最高亮度的点的值,作为A值。
当投射率t的值很小时,会导致J的值偏大,从而使得图像整体向白场过度,因此一般设置一阈值T0=0.1,t<T0时取t=0.1。
最终的恢复公式如下:
在利用公式(10)计算之前,需要先对原含雾图像进行降采样,对原含雾图像降采样后,可以减少需要处理的数据量。
然后,再将降采样后的原含雾图像、大气光照系数和透射率图通过雾图成像模型(10)求解,最终,获得去雾图像。
本步骤通过指针操作符访问储存在内存空间的图像,能够对数据进行高速读写;
本步骤求解透射率图后将透射率图归一化到8比特灰度范围内,保证后续雾图成像方程的求解为整型数运算,解决了暗通道先验去雾方法中透射率图大量浮点运算导致算法时间大幅增加的问题;
S5:将去雾图像实时输出形成去雾视频。
由于步骤S3和步骤S4中均采用了降采样处理,所以,在实时输出形成视频之前,还需要对去雾图像进行放大插值处理。
通过步骤S1~S5,本例通过对仁济医院提供的两套帧率分别为25FPS和50FPS、分辨率均为1920*1080的腹腔镜手术视频(其中25FPS取6个视频,50FPS取1个视频)进行测试,在CPU为i7 4710-MQ、编译环境为Visual Studio 2012的条件下,输出去雾视频相对于原视频的平均滞后时间为28.6ms,最大滞后时间为32ms,基本实现了实时去雾,且对于帧率具有自适应处理能力。具体实验滞后时间统计结果见表1。
表1.去雾处理滞后时间统计表
在步骤S2中对视频进行帧率自适应采样,即对低帧率视频进行逐帧采样,而对高帧率视频进行隔帧采样,获取原含雾图像并进行降采样,在几乎不影响去雾效果的前提下大幅减少了需要处理的数据量;在步骤S3中对暗通道图像进行中值滤波处理,与最小值滤波相比,能够更好的保存图像边缘,将滤波窗口设置为3像素*3像素,保证了暗通道图像的精细程度,也保证了由暗通道图计算所得透射率图的精细程度,腹腔镜手术中手术刀高温切割所形成的组织烟尘颗粒较小,图像特征与椒盐噪声相似,可利用3像素*3像素窗口大小的中值滤波剔除。在步骤S3,S4中通过指针操作符访问储存到内存空间的图像,能够对数据进行高速读写;在步骤S4中求取透射率图后将透射率图归一化到8比特灰度范围内,使得后续雾图成像方程的求解为整型数运算,解决了暗通道先验去雾方法中透射率图大量浮点运算导致算法时间大幅增加的问题。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种腹腔镜手术视频帧率自适应的实时去烟雾方法,其特征在于,包括步骤:
获取腹腔镜手术视频的帧率;
对视频进行帧率自适应采样,获得原含雾图像;
将所述原含雾图像通过暗通道先验去雾原理计算后获得暗通道图,并根据暗通道先验去雾原理估计所述暗通道图的大气光照系数和透射率图;利用所述原含雾图像、暗通道图、大气光照系数、透射率图,求解雾图成像方程,获得去雾图像;
将所述去雾图像实时输出形成去雾视频。
2.如权利要求1所述的实时去烟雾方法,其特征在于,对视频进行帧率自适应采样,具体是:判断帧率是否大于25FPS,若大于,对所述帧率视频进行隔帧采样,否则,对所述帧率视频进行逐帧采样。
3.如权利要求2所述的实时去烟雾方法,其特征在于,通过指针操作符访问储存在内存空间中的原含雾图像、暗通道图像和透射率图。
4.如权利要求3所述的实时去烟雾方法,其特征在于,所述将原含雾图像通过暗通道先验去雾原理计算之前还包括对采样帧的原含雾图像进行降采样的步骤。
5.如权利要求4所述的实时去烟雾方法,其特征在于,所述将原含雾图像通过暗通道先验去雾计算后获得暗通道图的过程中包括步骤:对所述暗通道图进行中值滤波处理。
6.如权利要求5所述的实时去烟雾方法,其特征在于,在多核条件下,采用多个中值滤波器对暗通道图并行处理。
7.如权利要求6所述的实时去烟雾方法,其特征在于,所述中值滤波器的滤波窗口的大小为3像素*3像素。
8.如权利要求7所述的实时去烟雾方法,其特征在于,所述获得透射率图之后还包括对所述透射率图进行归一化处理。
9.如权利要求8所述的实时去烟雾方法,其特征在于,所述求解雾图成像方程,获得去雾图像,包括步骤:
对所述原含雾图像进行降采样;
利用降采样后的原含雾图像、大气光照系数和透射率图求解雾图成像模型方程,获得去雾图像。
10.如权利要求9所述的实时去烟雾方法,其特征在于,将所述去雾图像实时输出形成去雾视频之前还包括对所述去雾图像进行放大插值处理的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611163878.2A CN106846259A (zh) | 2016-12-15 | 2016-12-15 | 一种腹腔镜手术视频帧率自适应的实时去烟雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611163878.2A CN106846259A (zh) | 2016-12-15 | 2016-12-15 | 一种腹腔镜手术视频帧率自适应的实时去烟雾方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106846259A true CN106846259A (zh) | 2017-06-13 |
Family
ID=59139557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611163878.2A Pending CN106846259A (zh) | 2016-12-15 | 2016-12-15 | 一种腹腔镜手术视频帧率自适应的实时去烟雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106846259A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108288257A (zh) * | 2018-02-11 | 2018-07-17 | 江苏金羿智芯科技有限公司 | 一种基于人工智能的内窥镜图像去雾方法 |
CN108652675A (zh) * | 2018-02-11 | 2018-10-16 | 江苏金羿智芯科技有限公司 | 一种基于人工智能的内窥镜图像去雾系统 |
DE102018204897A1 (de) * | 2018-03-22 | 2019-10-02 | Hiwin Technologies Corp. | Verfahren zum Korrigieren eines enttrübten medizinischen Bildes |
CN110910319A (zh) * | 2019-10-30 | 2020-03-24 | 中国医学科学院北京协和医院 | 一种基于大气散射模型的手术视频实时去雾增强方法 |
CN113038278A (zh) * | 2021-03-22 | 2021-06-25 | 王昊 | 一种数据处理方法、设备及存储介质 |
EP4028986A4 (en) * | 2019-09-11 | 2023-06-07 | Covidien LP | SYSTEMS AND METHODS FOR REDUCING SMOKE IN PICTURES |
CN117649362A (zh) * | 2024-01-29 | 2024-03-05 | 山东师范大学 | 基于条件扩散模型的腹腔镜影像除烟方法、系统及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120079564A (ko) * | 2011-01-05 | 2012-07-13 | 중앙대학교 산학협력단 | 에지 정보 및 톤 매핑을 기반으로 한 영상의 안개제거 장치 및 방법 |
CN102968772A (zh) * | 2012-12-04 | 2013-03-13 | 电子科技大学 | 一种基于暗通道信息的图像去雾方法 |
CN104299192A (zh) * | 2014-09-28 | 2015-01-21 | 北京联合大学 | 一种基于大气光散射物理模型的单幅图像去雾方法 |
CN105681626A (zh) * | 2016-02-25 | 2016-06-15 | 广东欧珀移动通信有限公司 | 检测方法、控制方法、检测装置、控制装置及电子装置 |
CN105976337A (zh) * | 2016-05-10 | 2016-09-28 | 长安大学 | 一种基于中值引导滤波的图像去雾方法 |
-
2016
- 2016-12-15 CN CN201611163878.2A patent/CN106846259A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120079564A (ko) * | 2011-01-05 | 2012-07-13 | 중앙대학교 산학협력단 | 에지 정보 및 톤 매핑을 기반으로 한 영상의 안개제거 장치 및 방법 |
CN102968772A (zh) * | 2012-12-04 | 2013-03-13 | 电子科技大学 | 一种基于暗通道信息的图像去雾方法 |
CN104299192A (zh) * | 2014-09-28 | 2015-01-21 | 北京联合大学 | 一种基于大气光散射物理模型的单幅图像去雾方法 |
CN105681626A (zh) * | 2016-02-25 | 2016-06-15 | 广东欧珀移动通信有限公司 | 检测方法、控制方法、检测装置、控制装置及电子装置 |
CN105976337A (zh) * | 2016-05-10 | 2016-09-28 | 长安大学 | 一种基于中值引导滤波的图像去雾方法 |
Non-Patent Citations (3)
Title |
---|
LEI GU等: "Virtual Digital Defogging Technology Improves Laparoscopic Imaging Quality", 《SURGICAL INNOVATION》 * |
杨燕等: "基于暗通道先验的补偿快速去雾算法", 《计算机工程》 * |
高健: "基于Zynq7000平台的去雾算法研究及实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108288257A (zh) * | 2018-02-11 | 2018-07-17 | 江苏金羿智芯科技有限公司 | 一种基于人工智能的内窥镜图像去雾方法 |
CN108652675A (zh) * | 2018-02-11 | 2018-10-16 | 江苏金羿智芯科技有限公司 | 一种基于人工智能的内窥镜图像去雾系统 |
DE102018204897A1 (de) * | 2018-03-22 | 2019-10-02 | Hiwin Technologies Corp. | Verfahren zum Korrigieren eines enttrübten medizinischen Bildes |
DE102018204897B4 (de) * | 2018-03-22 | 2019-12-24 | Hiwin Technologies Corp. | Verfahren zum Korrigieren eines enttrübten medizinischen Bildes |
US10643311B2 (en) | 2018-03-22 | 2020-05-05 | Hiwin Technologies Corp. | Method for correcting dehazed medical image |
EP4028986A4 (en) * | 2019-09-11 | 2023-06-07 | Covidien LP | SYSTEMS AND METHODS FOR REDUCING SMOKE IN PICTURES |
CN110910319A (zh) * | 2019-10-30 | 2020-03-24 | 中国医学科学院北京协和医院 | 一种基于大气散射模型的手术视频实时去雾增强方法 |
CN110910319B (zh) * | 2019-10-30 | 2022-10-21 | 中国医学科学院北京协和医院 | 一种基于大气散射模型的手术视频实时去雾增强方法 |
CN113038278A (zh) * | 2021-03-22 | 2021-06-25 | 王昊 | 一种数据处理方法、设备及存储介质 |
CN113038278B (zh) * | 2021-03-22 | 2023-07-07 | 王昊 | 一种数据处理方法、设备及存储介质 |
CN117649362A (zh) * | 2024-01-29 | 2024-03-05 | 山东师范大学 | 基于条件扩散模型的腹腔镜影像除烟方法、系统及设备 |
CN117649362B (zh) * | 2024-01-29 | 2024-04-26 | 山东师范大学 | 基于条件扩散模型的腹腔镜影像除烟方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106846259A (zh) | 一种腹腔镜手术视频帧率自适应的实时去烟雾方法 | |
CN109191390A (zh) | 一种基于不同颜色空间多算法融合的图像增强算法 | |
CN105354806B (zh) | 基于暗通道的快速去雾方法及系统 | |
EP3830790A1 (en) | Method and system for augmented imaging using multispectral information | |
US20220008157A1 (en) | Method and system for augmented imaging in open treatment using multispectral information | |
US20210341998A1 (en) | Gaze-point determining method, contrast adjusting method, and contrast adjusting apparatus, virtual reality device and storage medium | |
CN106780384A (zh) | 一种适用冷光源腹腔影像参数自适应的实时去烟雾方法 | |
CN105205794B (zh) | 一种低照度图像的同步增强去噪方法 | |
CN102750674A (zh) | 基于自适应容差的视频图像去雾方法 | |
CN108257094A (zh) | 基于暗通道的遥感影像薄雾快速去除方法 | |
CN104751421B (zh) | 一种在fpga上实现的图像去雾方法 | |
CN107977950B (zh) | 基于多尺度指导滤波的快速有效视频图像融合方法 | |
CN107451963A (zh) | 多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统 | |
CN111784596A (zh) | 基于生成对抗神经网络的通用内窥镜图像增强方法及装置 | |
CN110223240A (zh) | 基于颜色衰减先验的图像去雾方法、系统及存储介质 | |
CN109801231A (zh) | 一种电泳电子纸检测设备的图像处理方法 | |
CN105989583B (zh) | 一种图像去雾方法 | |
Zhou et al. | Underwater image enhancement method based on color correction and three-interval histogram stretching | |
CN104715456B (zh) | 一种图像的去雾方法 | |
CN112508797A (zh) | 用于图像中实时去雾的系统和方法 | |
CN112488926A (zh) | 用于基于神经网络的色彩还原的系统和方法 | |
CN114584675B (zh) | 一种自适应视频增强方法和装置 | |
CN110728630A (zh) | 基于增强现实的互联网图像处理方法及增强现实眼镜 | |
Kyung et al. | Real-time multi-scale Retinex to enhance night scene of vehicular camera | |
Zhang et al. | A fundus image enhancer based on illumination-guided attention and optic disc perception GAN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170613 |
|
RJ01 | Rejection of invention patent application after publication |