CN109741305B - 一种胶囊内窥镜成像损坏图像的检测方法 - Google Patents
一种胶囊内窥镜成像损坏图像的检测方法 Download PDFInfo
- Publication number
- CN109741305B CN109741305B CN201811602101.0A CN201811602101A CN109741305B CN 109741305 B CN109741305 B CN 109741305B CN 201811602101 A CN201811602101 A CN 201811602101A CN 109741305 B CN109741305 B CN 109741305B
- Authority
- CN
- China
- Prior art keywords
- image
- scale
- positive
- image matrix
- detection method
- 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.)
- Active
Links
- 239000002775 capsule Substances 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000003384 imaging method Methods 0.000 title claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 55
- 230000004044 response Effects 0.000 claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 36
- 238000001914 filtration Methods 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000010606 normalization Methods 0.000 abstract description 2
- 210000001035 gastrointestinal tract Anatomy 0.000 description 5
- 210000000936 intestine Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 241000167880 Hirundinidae Species 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 210000003238 esophagus Anatomy 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种胶囊内窥镜成像损坏图像的检测方法。本发明的检测方法包括:将内窥镜图像转换到单通道图像并将图像缩放到长宽一致,同时,将单通道图像与多尺度正线匹配滤波器和/或多尺度负线匹配滤波器进行卷积,多尺度线滤波器产生多个卷积输出,然后对多个卷积输出按图像矩阵对应元素相乘合并为线检测卷积响应结果,将线检测响应结果进行归一化和自适应二值化并得到损坏候选区域。本发明具有检测方法简单,检测速度快,检测准确率高等优点,能够对提高胶囊内窥镜图像的成型质量并去除干扰图像提供帮助。
Description
技术领域
本发明属于图像检测技术领域,特别是涉及一种胶囊内窥镜成像损坏图像的检测方法。
背景技术
在现代医疗检查中常常会用到内窥镜,内窥镜可以经人体的天然孔道,或者是经手术做的小切口进入人体内,借助内窥镜医生可以观察病灶,并据此制定出最佳的治疗方案。当前,随着技术的发展,为了减轻现有内窥镜的不适感,一种新的内窥镜——胶囊内窥镜已经被广泛应用于人体消化道疾病的诊断中。
胶囊内窥镜是一种检查人体消化道的摄像装置,用于窥探人体肠胃和食道不为的健康状况。患者吞服后,胶囊随肠胃肌肉运动沿消化方向运行,拍摄图像,再把图像传至数据传输装置,最后胶囊会自动排出体外。
然而,胶囊内窥镜成像过程中会受到消化道环境对传输或成像的干扰,成像干扰或传输干扰会造成胶囊内窥镜部分图像损坏,该部分损坏的图像不仅会影响装置的成像质量,也会对医生观察患者消化道的情况产生干扰。因此,如何提高胶囊内窥镜图像的成像质量以及消除干扰图像成为了胶囊内窥镜进行消化道诊断亟需解决的问题。
综上所述,本发明开发了一种胶囊内窥镜成像损坏图像的检测方法,该方法能够有效的对消化道胶囊内窥镜成像中的损坏图像进行检测,能够对提高胶囊内窥镜图像的成型质量并去除干扰图像提供帮助。
发明内容
本发明的目的在于提供胶囊内窥镜成像损坏图像的检测方法。本发明具有检测方法简单,检测速度快,检测准确率高等优点。
为了达到上述的目的,本发明采取以下技术方案:
一种胶囊内窥镜成像损坏图像的检测方法,包括如下步骤:
(1)将内窥镜彩色图像转换成单通道图像,并将单通道图像缩放成长宽尺寸相同;
(2)将单通道图像分别与多尺度正线匹配滤波器和多尺度负线匹配滤波器进行卷积,并产生多个卷积输出,即多个正线性滤波匹配响应和多个负线性滤波匹配响应;
(3)对上述多个正线性滤波匹配响应和多个负线性滤波匹配响应分别按照图像矩阵对应元素相乘,得到多尺度正线响应图像矩阵和多尺度负线响应图像矩阵;
(4)分别对多尺度正线响应图像矩阵和多尺度负线响应图像矩阵进行归一化,然后再对图像做自适应二值化,得到正线和负线的二值化图像矩阵;
(5)将正线和负线的二值化图像矩阵按元素进行合并,正线和负线二值化图像矩阵合并前为0的位置合并后仍为0,其余位置合并后的值为非零正整数;
(6)读入模板图像矩阵,并将步骤(5)合并后的图像矩阵中对应模板图像矩阵为0的位置设置为0,去除无效区域;
(7)对步骤(6)处理后的图像矩阵进行检测,删除长度小于10的横线;
(8)对图像矩阵进行检测,如该行有横线,则横线数量+1,横线数大于阈值的图像则为传输损坏图像。
进一步地,在上述检测方法中,所述步骤(1)的单通道图像优选为灰度图,长宽尺寸范围为128~1024像素,优选为256或512像素。
进一步地,在上述检测方法中,所述步骤(2)中,正线匹配滤波器垂直方向数值计算公式为:
负线匹配滤波器垂直方向数值计算公式为:
其中,代表单通道图像,为尺度为的正滤波器与单通道图像卷积的响应,即尺度为的卷积输出;在尺度参数范围内分别取3到5个尺度计算出相应的卷积输出;单个尺度和多个尺度的负线滤波计算与正线滤波计算原理相同,只需把换成。
进一步地,在上述检测方法中,所述步骤(3)由多尺度正线匹配滤波得到的多个正线性滤波匹配响应按照图像矩阵对应元素相乘的公式如下:
进一步地,在上述检测方法中,所述步骤(4)归一化是将多尺度正/负线匹配响应图像矩阵的像素值变换为0-255范围的整数。
进一步地,在上述检测方法中,所述步骤(4)二值化后损坏候选区域值设定为255,其它区域设定为0。
进一步地,在上述检测方法中,所述步骤(4)自适应二值化计算采用最大类间方差法(大津展之法,Nobuyuki Otsu)。
进一步地,在上述检测方法中,所述步骤(5)中非零正整数值为1~255。
进一步地,在上述检测方法中,所述步骤(7)删除长度优选小于5。
进一步地,在上述检测方法中,所述步骤(8)中的阈值范围为80-130。
本发明具有以下技术特点:
1)通过本发明的检测方法能够快速的实现胶囊内窥镜传输损坏图像的检测,能够对提高胶囊内窥镜图像的成型质量并去除干扰图像提供帮助。
2)本发明具有检测方法简单,检测速度快,检测准确率高等优点。
附图说明
图1是本发明胶囊内窥镜成像损坏图像的检测方法的流程示意图。
图2是实施例灰度图示意图。
图3是实施例多尺度正线响应图像矩阵。
图4是实施例多尺度负线响应图像矩阵。
具体实施方式
以下具体实施例是对本发明提供的方法与技术方案的进一步说明,但不应理解成对本发明的限制。
本发明具体实施方式中的胶囊内窥镜成像损坏图像的检测方法的流程示意图如图1所示。
具体的,胶囊内窥镜成像损坏图像的检测方法的步骤如下:
S1:将胶囊内窥镜的彩色图像转换成灰度图(如图2所示),并将灰度图缩放长宽尺寸均为256像素的正方形。
S2:先将S1得到的灰度图与多尺度正线匹配滤波器进行卷积得到多个卷积输出,然后将S1得到的单通道图像与多尺度负线匹配滤波器进行卷积得到多个卷积输出;也可同时计算多尺度正线匹配滤波器和多尺度负线匹配滤波器得到两组卷积输出,即多个正线性滤波匹配响应和多个负线性滤波匹配响应;
正线匹配滤波器垂直方向数值计算公式为:
负线匹配滤波器垂直方向数值计算公式为:
其中,代表单通道图像,为尺度为的正滤波器与单通道图像卷积的响应,即尺度为的卷积输出;在尺度参数范围内分别取3到5个尺度计算出相应的卷积输出;单个尺度和多个尺度的负线滤波计算与正线滤波计算原理相同,只需把换成。
S3:将由多尺度正线匹配滤波得到的多个正线性滤波匹配响应按照元素相乘,得到多尺度正线响应图像矩阵(如图3所示);由多尺度负线匹配滤波得到的多个负线性滤波匹配响应按照元素相乘,得到多尺度负线响应图像矩阵(如图4所示)。
由多尺度正线匹配滤波得到的多个正线性滤波匹配响应按照图像矩阵对应元素相乘的公式如下:
S4:多尺度正线响应图像矩阵和多尺度负线响应图像矩阵先做归一化变换,将图像矩阵的像素值变换到[0~255]范围的整数,然后再对图像做自适应二值化,自适应二值化计算采用最大类间方差法,二值化后损坏候选区域值为255,其他区域为0。
以上实施例的说明只是用于帮助理解本发明方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求保护范围内。
Claims (10)
1.一种胶囊内窥镜成像损坏图像的检测方法,其特征在于,包括如下步骤:
(1)将内窥镜彩色图像转换成单通道图像,并将单通道图像缩放成长宽尺寸相同;
(2)将单通道图像分别与多尺度正线匹配滤波器和多尺度负线匹配滤波器进行卷积,并产生多个卷积输出;
(3)对多个卷积输出按照图像矩阵对应元素相乘,得到多尺度正线响应图像矩阵和多尺度负线响应图像矩阵;
(4)分别对多尺度正线响应图像矩阵和多尺度负线响应图像矩阵进行归一化,然后再对图像做自适应二值化,得到正线和负线的二值化图像矩阵;
(5)将正线和负线的二值化图像矩阵按元素进行合并,正线和负线二值化图像矩阵合并前同时为0的位置合并后仍为0,其余位置合并后的值为非零正整数;
(6)读入模板图像矩阵,并将步骤(5)合并后的图像矩阵中对应模板图像矩阵为0的位置设置为0,去除无效区域;
(7)对步骤(6)处理后的图像矩阵进行检测,删除长度小于10的横线;
(8)对图像矩阵进行检测,如该行有横线,则横线数量+1,横线数大于阈值的图像则为传输损坏图像。
2.根据权利要求1所述的检测方法,其特征在于,所述步骤(1)的单通道图像优选为灰度图,长宽尺寸范围为128~1024像素。
3.根据权利要求1所述的检测方法,其特征在于,所述步骤(2)中,正线匹配滤波器垂直方向数值计算公式为:
负线匹配滤波器垂直方向数值计算公式为:
6.根据权利要求1所述的检测方法,其特征在于,所述步骤(4)归一化是将多尺度正/负线匹配响应图像矩阵的像素值变换为0-255范围的整数。
7.根据权利要求1所述的检测方法,其特征在于,所述步骤(4)二值化后损坏候选区域值设定为255,其它区域设定为0。
8.根据权利要求1所述的检测方法,其特征在于,所述步骤(4)自适应二值化计算采用最大类间方差法。
9.根据权利要求1所述的检测方法,其特征在于,所述步骤(7)中删除长度优选小于5。
10.根据权利要求1所述的检测方法,其特征在于,所述步骤(8)中的阈值范围为80-130。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811602101.0A CN109741305B (zh) | 2018-12-26 | 2018-12-26 | 一种胶囊内窥镜成像损坏图像的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811602101.0A CN109741305B (zh) | 2018-12-26 | 2018-12-26 | 一种胶囊内窥镜成像损坏图像的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109741305A CN109741305A (zh) | 2019-05-10 |
CN109741305B true CN109741305B (zh) | 2020-11-27 |
Family
ID=66361392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811602101.0A Active CN109741305B (zh) | 2018-12-26 | 2018-12-26 | 一种胶囊内窥镜成像损坏图像的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109741305B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111986196B (zh) * | 2020-09-08 | 2022-07-12 | 贵州工程应用技术学院 | 一种消化道胶囊内镜滞留自动监测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8582853B2 (en) * | 2006-03-13 | 2013-11-12 | Given Imaging Ltd. | Device, system and method for automatic detection of contractile activity in an image frame |
CN104700424A (zh) * | 2015-03-30 | 2015-06-10 | 山东省计量科学研究院 | 医用彩色电子内窥镜图像坏点检测装置 |
CN105701833A (zh) * | 2016-02-22 | 2016-06-22 | 西南交通大学 | 消化道胶囊内窥镜视频钩虫图像计算机自动检测方法 |
CN105812756A (zh) * | 2016-03-16 | 2016-07-27 | 沈阳尚贤微创医疗器械股份有限公司 | 一种胶囊内窥镜无线传输数据丢失的修复补偿方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101030244B (zh) * | 2006-03-03 | 2010-08-18 | 中国科学院自动化研究所 | 基于人体生理图像中排序测度特征的自动身份识别方法 |
CN103336962B (zh) * | 2013-07-16 | 2016-09-21 | 宁波晶工晶体科技有限公司 | 纱线状态传感器的图像判定方法 |
CN104573650B (zh) * | 2014-12-31 | 2017-07-14 | 国家电网公司 | 一种基于滤波响应的电线检测分类方法 |
CN106447685B (zh) * | 2016-09-06 | 2019-04-02 | 电子科技大学 | 一种红外跟踪方法 |
-
2018
- 2018-12-26 CN CN201811602101.0A patent/CN109741305B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8582853B2 (en) * | 2006-03-13 | 2013-11-12 | Given Imaging Ltd. | Device, system and method for automatic detection of contractile activity in an image frame |
CN104700424A (zh) * | 2015-03-30 | 2015-06-10 | 山东省计量科学研究院 | 医用彩色电子内窥镜图像坏点检测装置 |
CN105701833A (zh) * | 2016-02-22 | 2016-06-22 | 西南交通大学 | 消化道胶囊内窥镜视频钩虫图像计算机自动检测方法 |
CN105812756A (zh) * | 2016-03-16 | 2016-07-27 | 沈阳尚贤微创医疗器械股份有限公司 | 一种胶囊内窥镜无线传输数据丢失的修复补偿方法 |
Non-Patent Citations (2)
Title |
---|
Detection of blood vessels in retinal images using two-dimensional matched filters;Chaudhuri S等;《IEEE Transaction on Medical Imaging》;19891231;论文正文 * |
基于胶囊内窥镜图像的消化道钩虫及常见内容物计算机自动检测技术研究;陈洪瀚;《中国博士学位论文全文数据库 医药卫生科技辑》;20180715;论文正文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109741305A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232383B (zh) | 一种基于深度学习模型的病灶图像识别方法及病灶图像识别系统 | |
Zhou et al. | Polyp detection and radius measurement in small intestine using video capsule endoscopy | |
CN107767365A (zh) | 一种内窥镜图像处理方法及系统 | |
JP7019815B2 (ja) | 学習装置 | |
CN103945755B (zh) | 图像处理装置 | |
CN110335241B (zh) | 肠镜检查后对肠道准备自动进行评分的方法 | |
CN111539956B (zh) | 基于脑部辅助图像的脑出血自动检测方法及电子介质 | |
JP2016531709A (ja) | 疾患を診断するための画像解析技術 | |
CN111178369B (zh) | 一种医学影像的识别方法及系统、电子设备、存储介质 | |
CN111091562A (zh) | 一种消化道病灶大小测量方法及系统 | |
CN107451963B (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 | |
CN117274270B (zh) | 基于人工智能的消化内镜实时辅助系统及方法 | |
CN112446880A (zh) | 图像处理方法、电子设备及可读存储介质 | |
CN117012344B (zh) | 一种4cmos相机采集的图像分析方法 | |
CN116205814A (zh) | 医用内窥镜图像增强方法、系统及计算机设备 | |
CN111105873A (zh) | 经内镜逆行胰胆管造影术中辅助诊断和测量方法及系统 | |
CN111403029B (zh) | 一种提高评估质量的信息处理方法及装置 | |
CN109741305B (zh) | 一种胶囊内窥镜成像损坏图像的检测方法 | |
CN115511979A (zh) | 一种基于灰度变换的内窥镜主板控制系统 | |
Jumaat et al. | Segmentation of masses from breast ultrasound images using parametric active contour algorithm | |
CN116542883B (zh) | 一种磁控胶囊胃镜影像病灶粘膜增强系统 | |
CN114820678B (zh) | 基于oct图像的血管壁内轮廓自动提取方法及系统 | |
Hossain et al. | Easy scheme for ulcer detection in wireless capsule endoscopy images | |
CN110110750B (zh) | 一种原始图片的分类方法及装置 | |
KR20200010661A (ko) | 딥러닝 알고리즘을 이용한 자궁 병변 진단 장치 및 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |