CN117911274B - 一种基于热成像技术的伤口感染图像优化方法及系统 - Google Patents

Abstract

本发明公开了一种基于热成像技术的伤口感染图像优化方法及系统，涉及了图像优化技术领域，通过热成像设备对伤口部位进行拍摄，并根据环境温度对热成像设备进行自适应调整，进而获取伤口热成像图像，对伤口热成像图像进行降噪处理、颜色调整和尺寸裁剪后生成规范图；采取自适应阈值分割算法将规范图分割为感染区域和正常区域，并对感染区域进行形态判定和形态处理生成感染细节图，提取出感染细节图的细节特征参数；将细节特征参数输入至设置的历史图像数据库内，进而进行图像拟合参数的匹配，并生成最终感染图像，根据最终感染图像定位出感染处理方案。

Description

一种基于热成像技术的伤口感染图像优化方法及系统

技术领域

本发明涉及图像优化技术领域，具体是一种基于热成像技术的伤口感染图像优化方法及系统。

背景技术

伤口感染是临床上常见的并发症之一，多发生在手术、外伤等情况下，传统的伤口感染检测方法主要依靠肉眼观察和细菌培养，这种方法存在检测准确度低、时间长、费用高等问题，随着热成像技术的发展，越来越多的研究表明，热成像技术可以有效地检测伤口感染。

然而，由于受到环境温度等因素的干扰，热成像图像质量不稳定，影响了伤口感染检测的准确性，因此，怎样对基于热成像技术生成的伤口感染图像进行优化，进而提高图像质量和检测效率，是我们目前亟须考虑的问题。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于热成像技术的伤口感染图像优化方法及系统。

本发明的目的可以通过以下技术方案实现：一种基于热成像技术的伤口感染图像优化方法，包括以下步骤：

步骤S1：通过热成像设备对伤口部位进行拍摄，并根据环境温度对热成像设备进行自适应调整，进而获取伤口热成像图像，对伤口热成像图像进行降噪处理、颜色调整和尺寸裁剪后生成规范图；

步骤S2：采取自适应阈值分割算法将规范图分割为感染区域和正常区域，并对感染区域进行形态判定和形态处理生成感染细节图，提取出感染细节图的细节特征参数；

步骤S3：将细节特征参数输入至设置的历史图像数据库内，进而进行图像拟合参数的匹配，并生成最终感染图像，根据最终感染图像定位出感染处理方案。

进一步的，通过热成像设备对伤口部位进行拍摄，并根据环境温度对热成像设备进行自适应调整，进而获取伤口热成像图像的过程包括：

设置工作区，工作区为用于进行患者诊断的场所，在工作区布置热成像设备，当患者进入工作区后，热成像设备通过自身设置的移动单元进行全方位移动，进而进行患者对应伤口部位的捕捉，当定位至伤口部位时，启动热成像设备的拍摄工作；

通过拍摄工作获取患者的伤口部位初步的伤口热成像图像，并判断环境温度是否符合热成像设备工作时预设的环境基准温度，若是，则直接将获取到的初步的伤口热成像图像作为最终的伤口热成像图像，若否，则对热成像设备进行自适应调整，当环境温度高于环境基准温度时，增大热成像设备对应的工作功率，当环境温度低于环境基准温度时，则降低热成像设备的工作功率，进而保证环境温度与环境基准温度一致，并在环境基准温度下重新采集伤口热成像图像。

进一步的，对伤口热成像图像进行降噪处理、颜色调整和尺寸裁剪后生成规范图的过程包括：

获取伤口热成像图像对应的图像相关信息，图像相关信息包括噪声分布信息、色块信息以及图像尺寸，噪声分布信息为热成像图像对应的若干个图像区域的分布噪点，色块信息包括若干个图像区域的子色块值；

设置横向切割数和纵向切割数，分别记为n₁和n₂，进而将伤口热成像图像在横向布局上划分为n₁+1个图像分段，在纵向布局上划分为n₂＋1个图像分段，进而生成(n₁+1)×(n₂＋1)个图像区域，对(n₁+1)×(n₂＋1)个图像区域依次从上至下，从左至右顺序编号，并记为i，i＝1，2，3，……，m，其中m为大于0的自然数，获取每个图像区域的分布噪点，记为Data1[i]，将每个图像区域的子色块值记为Data2[i]；

将编号为i的图像区域划分为若干个像素点，像素点包括中心像素区域和邻域像素区域，中心像素区域为图像区域中处于中间3×3大小的像素点组成的像素区域，邻域像素区域则为图像区域中除了中心像素区域之外的其他像素区域，进而将图像区域的分布噪点Data1[i]分为中间噪点和邻域噪点，将对应的子色块值Data2[i]分为中间子色块值和邻域子色块值，通过降噪处理将每个图像区域的中间噪点作为基准噪点，进而将邻域噪点滤波为基准噪点，通过颜色调整将中间子色块值作为调色基准，设置调色基准对应的色差阈值，当邻域子色块值与调色基准的数值差大于等于色差阈值时，则标记该邻域子色块值对应的图像区域为失真区域，将失真区域的邻域子色块值调整为调色基准的数值，合并(n₁+1)×(n₂＋1)个图像区域降噪处理和颜色调整后的伤口热成像图像，设置规范图的尺寸大小，通过尺寸裁剪将伤口热成像图像裁剪为设置的尺寸大小，进而伤口热成像图像转换生成为规范图。

进一步的，采取自适应阈值分割算法将规范图分割为感染区域和正常区域的过程包括：

对规范图进行灰度化处理，进而将彩色形式的规范图转换为灰度形式的规范图，灰度形式的规范图包括边缘图像区域和主图像区域，采取自适应阈值分割算法将边缘图像区域进行一次切割，进而剔除边缘图像区域，继续采用自适应阈值分割算法对主图像区域进行二次切割，进而将主图像区域分割为初步的感染区域和正常区域，并判断感染区域和正常区域的完整性，当感染区域和正常区域不完整时，则调整自适应阈值分割算法对应的分割阈值，直至获取到完整的感染区域和正常区域，当感染区域和正常区域完整时，则不进行任何操作。

进一步的，对感染区域进行形态判定和形态处理生成感染细节图，提取出感染细节图的细节特征参数的过程包括：

获取若干个感染区域的形态参数，形态参数包括感染区域形状和感染区域大小，设置形态判定参数用于进行感染区域的形态判定，形态判定参数包括标定区域形状和标定区域大小，若感染区域形状符合标定区域形状，且感染区域大小符合标定区域大小二者同时成立，则不做任何操作，否则，对感染区域进行形态处理；

形态处理包括腐蚀、膨胀以及开闭运算，通过腐蚀删除感染区域的像素边缘来减小图像对象的大小，进而去除感染区域边缘的毛刺和不规则形状，通过膨胀在感染区域的边界上添加像素，使物体变大，边缘变模糊，进而填补感染区域内的空洞或断裂，并使感染区域更加连通；通过开闭运算使得感染区域的边缘更加平滑，当完成感染区域的形态处理后，生成感染细节图，将感染细节图输入至设置的特征提取程序内，并在特征提取程序内输入未经处理的规范图，进而由特征提取程序将感染细节图与规范图的不同之处提取为细节特征参数，细节特征参数包括感染区域的面积、周长、形状特征以及纹理特征。

进一步的，将细节特征参数输入至设置的历史图像数据库内，进而进行图像拟合参数的匹配，并生成最终感染图像的过程包括：

设置历史图像数据库，用于存储若干个历史时间节点对应生成的感染区域的图像拟合参数，图像拟合参数用于对细节特征参数进行补充，进而进一步完善感染细节图，并根据感染细节图生成最终感染图像，图像拟合参数包括面积拟合参数、周长拟合参数、形状拟合参数以及纹理拟合参数，分别通过面积拟合参数、周长拟合参数、形状拟合参数以及纹理拟合参数，进而相应的对细节特征参数中的感染区域的面积、周长、形状特征以及纹理特征进行拟合。

进一步的，根据最终感染图像定位出感染处理方案的过程包括：

所述最终感染图像关联有对应的感染关键词，设置方案库用于存储若干个感染处理方案，每个所述感染处理方案对应有一个方案关键词，将感染关键词和方案关键词转换为二进制01字符串，并进行二进制01字符串所包括的每个字符位的比较，若每个字符位都比对一致，则感染关键词和方案关键词匹配成功，将方案关键词对应的感染处理方案作为最终感染图像的实施方案，否则，继续进行下一个方案关键词的匹配，直至匹配成功。

进一步的，一种基于热成像技术的伤口感染图像优化系统，该系统包括：

图像采集模块，通过热成像设备对伤口部位进行拍摄，并根据环境温度对热成像设备进行自适应调整，进而获取伤口热成像图像，对伤口热成像图像进行降噪处理、颜色调整和尺寸裁剪后生成规范图；

图像处理模块，采取自适应阈值分割算法将规范图分割为感染区域和正常区域，并对感染区域进行形态判定和形态处理生成感染细节图，提取出感染细节图的细节特征参数；

感染方案生成模块，将细节特征参数输入至设置的历史图像数据库内，进而进行图像拟合参数的匹配，并生成最终感染图像，根据最终感染图像定位出感染处理方案。

与现有技术相比，本发明的有益效果是：

1、通过热成像设备对伤口部位进行拍摄，并根据环境温度对热成像设备进行自适应调整，进而获取伤口热成像图像，对伤口热成像图像进行降噪处理、颜色调整和尺寸裁剪后生成规范图，其中，根据环境温度对热成像进行自适应调整，在一定程度上减弱了环境温度对图像成像质量的影响。

2、采取自适应阈值分割算法将规范图分割为感染区域和正常区域，并对感染区域进行形态判定和形态处理生成感染细节图，提取出感染细节图的细节特征参数，将细节特征参数输入至设置的历史图像数据库内，进而进行图像拟合参数的匹配，并生成最终感染图像，根据最终感染图像定位出感染处理方案，其中，通过分割出感染区域，并在经过一系列处理后生成感染细节图，提取出细节特征参数，通过图像拟合参数对细节特征参数进行优化，一定程度上提升了检测的效率和准确性。

附图说明

图1为本发明的流程图。

具体实施方式

如图1所示，一种基于热成像技术的伤口感染图像优化方法，包括以下步骤：

步骤S1：通过热成像设备对伤口部位进行拍摄，并根据环境温度对热成像设备进行自适应调整，进而获取伤口热成像图像，对伤口热成像图像进行降噪处理、颜色调整和尺寸裁剪后生成规范图；

步骤S2：采取自适应阈值分割算法将规范图分割为感染区域和正常区域，并对感染区域进行形态判定和形态处理生成感染细节图，提取出感染细节图的细节特征参数；

步骤S3：将细节特征参数输入至设置的历史图像数据库内，进而进行图像拟合参数的匹配，并生成最终感染图像，根据最终感染图像定位出感染处理方案。

需要进一步说明的是，在具体的实施过程中，通过热成像设备对伤口部位进行拍摄，并根据环境温度对热成像设备进行自适应调整，进而获取伤口热成像图像的过程包括：

设置工作区，所述工作区为用于进行患者诊断的场所，在工作区布置热成像设备，当患者进入工作区后，热成像设备通过自身设置的移动单元进行全方位移动，进而进行患者对应伤口部位的捕捉，当定位至伤口部位时，启动热成像设备的拍摄工作；

通过拍摄工作获取患者的伤口部位初步的伤口热成像图像，并判断环境温度是否符合热成像设备工作时预设的环境基准温度，若是，则直接将获取到的初步的伤口热成像图像作为最终的伤口热成像图像，若否，则对热成像设备进行自适应调整，自适应调整的内容为：当环境温度高于环境基准温度时，增大热成像设备对应的工作功率，当环境温度低于环境基准温度时，则降低热成像设备的工作功率；进而保证环境温度与环境基准温度一致，并在环境基准温度下重新采集伤口热成像图像；

所述热成像设备的拍摄工作通过热成像设备上的热源单元进行，热源单元包括主热源和备用热源，拍摄工作优先使用主热源进行，当主热源出现故障时，则调用备用热源接替主热源的拍摄工作，一定程度上保证了数据采集的连续性。

需要进一步说明的是，在具体的实施过程中，对伤口热成像图像进行降噪处理、颜色调整和尺寸裁剪后生成规范图的过程包括：

获取伤口热成像图像对应的图像相关信息，所述图像相关信息包括噪声分布信息、色块信息以及图像尺寸，所述噪声分布信息为热成像图像对应的若干个图像区域的分布噪点，所述色块信息包括若干个图像区域的子色块值；

设置横向切割数和纵向切割数，分别记为n₁和n₂，进而将伤口热成像图像在横向布局上划分为n₁+1个图像分段，在纵向布局上划分为n₂＋1个图像分段，进而生成(n₁+1)×(n₂＋1)个图像区域；

对(n₁+1)×(n₂＋1)个图像区域依次从上至下，从左至右顺序编号，记编号为i，则有i＝1，2，3，……，m，其中m为大于0的自然数，获取每个图像区域的分布噪点，记为Data1[i]，将每个图像区域的子色块值记为Data2[i]；

将编号为i的图像区域划分为若干个像素点，所述像素点包括中心像素区域和邻域像素区域，中心像素区域为图像区域中处于中间3×3大小的像素点组成的像素区域，邻域像素区域则为图像区域中除了中心像素区域之外的其他像素区域；

进而将图像区域的分布噪点Data1[i]分为中间噪点和邻域噪点，将对应的子色块值Data2[i]分为中间子色块值和邻域子色块值，降噪处理内容为：将每个图像区域的中间噪点作为基准噪点，进而将邻域噪点滤波为基准噪点；颜色调整的内容为：将中间子色块值作为调色基准，设置调色基准对应的色差阈值，当邻域子色块值与调色基准的数值差大于等于色差阈值时，则标记该邻域子色块值对应的图像区域为失真区域，将失真区域的邻域子色块值调整为调色基准的数值；

合并(n₁+1)×(n₂＋1)个图像区域生成降噪处理和颜色调整后的伤口热成像图像，设置规范图的尺寸大小，通过尺寸裁剪将伤口热成像图像裁剪为设置的尺寸大小，进而伤口热成像图像转换生成为规范图。

需要进一步说明的是，在具体的实施过程中，采取自适应阈值分割算法将规范图分割为感染区域和正常区域的过程包括：

对规范图进行灰度化处理，进而将彩色形式的规范图转换为灰度形式的规范图，所述灰度形式的规范图包括边缘图像区域和主图像区域，采取自适应阈值分割算法将边缘图像区域进行一次切割，进而剔除边缘图像区域；

继续采用自适应阈值分割算法对主图像区域进行二次切割，进而将主图像区域分割为初步的感染区域和正常区域，并判断感染区域和正常区域的完整性，当感染区域和正常区域不完整时，则调整自适应阈值分割算法对应的分割阈值，直至获取到完整的感染区域和正常区域，当感染区域和正常区域完整时，则不进行任何操作。

需要进一步说明的是，在具体的实施过程中，对感染区域进行形态判定和形态处理生成感染细节图，提取出感染细节图的细节特征参数的过程包括：

获取分割后生成的若干个感染区域的形态参数，所述形态参数包括感染区域形状和感染区域大小，设置形态判定参数用于进行感染区域的形态判定；

所述形态判定参数包括标定区域形状和标定区域大小，若感染区域形状符合标定区域形状，且感染区域大小符合标定区域大小二者同时成立，则不做任何操作，否则，对感染区域进行形态处理；

所述形态处理包括腐蚀、膨胀以及开闭运算，通过腐蚀删除感染区域的像素边缘来减小图像对象的大小，进而去除感染区域边缘的毛刺和不规则形状，通过膨胀在感染区域的边界上添加像素，使物体变大，边缘变模糊，进而填补感染区域内的空洞或断裂，并使感染区域更加连通；通过开闭运算使得感染区域的边缘更加平滑；

当完成感染区域的形态处理后，生成感染细节图，将感染细节图输入至设置的特征提取程序内，并在特征提取程序内输入未经处理的规范图，进而由特征提取程序将感染细节图与规范图的不同之处提取为细节特征参数；

所述细节特征参数包括感染区域的面积、周长、形状特征以及纹理特征。

需要进一步说明的是，在具体的实施过程中，将细节特征参数输入至设置的历史图像数据库内，进而进行图像拟合参数的匹配，并生成最终感染图像的过程包括：

获取细节特征参数，设置历史图像数据库，所述历史图像数据库内存储有若干个历史时间节点对应生成的感染区域的图像拟合参数，所述图像拟合参数用于对细节特征参数进行补充，进而进一步完善感染细节图，并根据感染细节图生成最终感染图像；

所述图像拟合参数包括面积拟合参数、周长拟合参数、形状拟合参数以及纹理拟合参数，分别通过面积拟合参数、周长拟合参数、形状拟合参数以及纹理拟合参数，进而相应的对细节特征参数中的感染区域的面积、周长、形状特征以及纹理特征进行拟合。

需要进一步说明的是，在具体的实施过程中，根据最终感染图像定位出感染处理方案的过程包括：

所述最终感染图像关联有对应的感染关键词，设置方案库用于存储若干个感染处理方案，每个所述感染处理方案对应有一个方案关键词，所述感染关键词和方案关键词皆为文本字符串；

设置匹配时段，记为T_匹，T_匹＝[t_始，t_终]，其中t_始为匹配时段的开始时刻，t_终为匹配时段的终止时刻，在t_始对应的时间点将感染关键词和方案关键词转换为二进制01字符串，并进行二进制01字符串所包括的每个字符位的比较，即进行0和1的比较；

若每个字符位都比对一致，则感染关键词和方案关键词匹配成功，将方案关键词对应的感染处理方案作为最终感染图像的实施方案，否则，继续进行下一个方案关键词的匹配，直至匹配成功。

本发明还提供了一种基于热成像技术的伤口感染图像优化系统，该系统包括：

图像采集模块，通过热成像设备对伤口部位进行拍摄，并根据环境温度对热成像设备进行自适应调整，进而获取伤口热成像图像，对伤口热成像图像进行降噪处理、颜色调整和尺寸裁剪后生成规范图；

图像处理模块，采取自适应阈值分割算法将规范图分割为感染区域和正常区域，并对感染区域进行形态判定和形态处理生成感染细节图，提取出感染细节图的细节特征参数；

感染方案生成模块，将细节特征参数输入至设置的历史图像数据库内，进而进行图像拟合参数的匹配，并生成最终感染图像，根据最终感染图像定位出感染处理方案。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法精神和范围。

Claims (3)

1.一种基于热成像技术的伤口感染图像优化方法，其特征在于，包括以下步骤：

步骤S1：通过热成像设备对伤口部位进行拍摄，并根据环境温度对热成像设备进行自适应调整，进而获取伤口热成像图像，对伤口热成像图像进行降噪处理、颜色调整和尺寸裁剪后生成规范图；

步骤S2：采取自适应阈值分割算法将规范图分割为感染区域和正常区域，并对感染区域进行形态判定和形态处理生成感染细节图，提取出感染细节图的细节特征参数；

步骤S3：将细节特征参数输入至设置的历史图像数据库内，进而进行图像拟合参数的匹配，并生成最终感染图像，根据最终感染图像定位出感染处理方案；

通过热成像设备对伤口部位进行拍摄，并根据环境温度对热成像设备进行自适应调整，进而获取伤口热成像图像的过程包括：

设置工作区，工作区为用于进行患者诊断的场所，在工作区布置热成像设备，当患者进入工作区后，热成像设备通过自身设置的移动单元进行全方位移动，进而进行患者对应伤口部位的捕捉，当定位至伤口部位时，启动热成像设备的拍摄工作；

通过拍摄工作获取患者的伤口部位初步的伤口热成像图像，并判断环境温度是否符合热成像设备工作时预设的环境基准温度，若是，则直接将获取到的初步的伤口热成像图像作为最终的伤口热成像图像，若否，则对热成像设备进行自适应调整，当环境温度高于环境基准温度时，增大热成像设备对应的工作功率，当环境温度低于环境基准温度时，则降低热成像设备的工作功率，进而保证环境温度与环境基准温度一致，并在环境基准温度下重新采集伤口热成像图像；

对伤口热成像图像进行降噪处理、颜色调整和尺寸裁剪后生成规范图的过程包括：

获取伤口热成像图像对应的图像相关信息，图像相关信息包括噪声分布信息、色块信息以及图像尺寸，噪声分布信息为热成像图像对应的若干个图像区域的分布噪点，色块信息包括若干个图像区域的子色块值；

设置横向切割数和纵向切割数，分别记为n₁和n₂，进而将伤口热成像图像在横向布局上划分为n₁+1个图像分段，在纵向布局上划分为n₂＋1个图像分段，进而生成(n₁+1)×(n₂＋1)个图像区域，对(n₁+1)×(n₂＋1)个图像区域依次从上至下，从左至右顺序编号，并记为i，i＝1，2，3，……，m，其中m为大于0的自然数，获取每个图像区域的分布噪点，记为Data1[i]，将每个图像区域的子色块值记为Data2[i]；

将编号为i的图像区域划分为若干个像素点，像素点包括中心像素区域和邻域像素区域，中心像素区域为图像区域中处于中间3×3大小的像素点组成的像素区域，邻域像素区域则为图像区域中除了中心像素区域之外的其他像素区域，进而将图像区域的分布噪点Data1[i]分为中间噪点和邻域噪点，将对应的子色块值Data2[i]分为中间子色块值和邻域子色块值，通过降噪处理将每个图像区域的中间噪点作为基准噪点，进而将邻域噪点滤波为基准噪点，通过颜色调整将中间子色块值作为调色基准，设置调色基准对应的色差阈值，当邻域子色块值与调色基准的数值差大于等于色差阈值时，则标记该邻域子色块值对应的图像区域为失真区域，将失真区域的邻域子色块值调整为调色基准的数值，合并(n₁+1)×(n₂＋1)个图像区域降噪处理和颜色调整后的伤口热成像图像，设置规范图的尺寸大小，通过尺寸裁剪将伤口热成像图像裁剪为设置的尺寸大小，进而伤口热成像图像转换生成为规范图；

采取自适应阈值分割算法将规范图分割为感染区域和正常区域的过程包括：

对规范图进行灰度化处理，进而将彩色形式的规范图转换为灰度形式的规范图，灰度形式的规范图包括边缘图像区域和主图像区域，采取自适应阈值分割算法将边缘图像区域进行一次切割，进而剔除边缘图像区域，继续采用自适应阈值分割算法对主图像区域进行二次切割，进而将主图像区域分割为初步的感染区域和正常区域，并判断感染区域和正常区域的完整性，当感染区域和正常区域不完整时，则调整自适应阈值分割算法对应的分割阈值，直至获取到完整的感染区域和正常区域，当感染区域和正常区域完整时，则不进行任何操作；

对感染区域进行形态判定和形态处理生成感染细节图，提取出感染细节图的细节特征参数的过程包括：

获取若干个感染区域的形态参数，形态参数包括感染区域形状和感染区域大小，设置形态判定参数用于进行感染区域的形态判定，形态判定参数包括标定区域形状和标定区域大小，若感染区域形状符合标定区域形状，且感染区域大小符合标定区域大小二者同时成立，则不做任何操作，否则，对感染区域进行形态处理；

形态处理包括腐蚀、膨胀以及开闭运算，通过腐蚀删除感染区域的像素边缘来减小图像对象的大小，进而去除感染区域边缘的毛刺和不规则形状，通过膨胀在感染区域的边界上添加像素，使物体变大，边缘变模糊，进而填补感染区域内的空洞或断裂，并使感染区域更加连通；通过开闭运算使得感染区域的边缘更加平滑，当完成感染区域的形态处理后，生成感染细节图，将感染细节图输入至设置的特征提取程序内，并在特征提取程序内输入未经处理的规范图，进而由特征提取程序将感染细节图与规范图的不同之处提取为细节特征参数，细节特征参数包括感染区域的面积、周长、形状特征以及纹理特征；

将细节特征参数输入至设置的历史图像数据库内，进而进行图像拟合参数的匹配，并生成最终感染图像的过程包括：

设置历史图像数据库，用于存储若干个历史时间节点对应生成的感染区域的图像拟合参数，图像拟合参数用于对细节特征参数进行补充，进而进一步完善感染细节图，并根据感染细节图生成最终感染图像，图像拟合参数包括面积拟合参数、周长拟合参数、形状拟合参数以及纹理拟合参数，分别通过面积拟合参数、周长拟合参数、形状拟合参数以及纹理拟合参数，进而相应的对细节特征参数中的感染区域的面积、周长、形状特征以及纹理特征进行拟合。

2.根据权利要求1所述的一种基于热成像技术的伤口感染图像优化方法，其特征在于，根据最终感染图像定位出感染处理方案的过程包括：

所述最终感染图像关联有对应的感染关键词，设置方案库用于存储若干个感染处理方案，每个所述感染处理方案对应有一个方案关键词，将感染关键词和方案关键词转换为二进制01字符串，并进行二进制01字符串所包括的每个字符位的比较，若每个字符位都比对一致，则感染关键词和方案关键词匹配成功，将方案关键词对应的感染处理方案作为最终感染图像的实施方案，否则，继续进行下一个方案关键词的匹配，直至匹配成功。

3.一种基于热成像技术的伤口感染图像优化系统，用于实现权利要求1至2任一项所述的伤口感染图像优化方法，其特征在于，该系统包括：

图像采集模块，通过热成像设备对伤口部位进行拍摄，并根据环境温度对热成像设备进行自适应调整，进而获取伤口热成像图像，对伤口热成像图像进行降噪处理、颜色调整和尺寸裁剪后生成规范图；

图像处理模块，采取自适应阈值分割算法将规范图分割为感染区域和正常区域，并对感染区域进行形态判定和形态处理生成感染细节图，提取出感染细节图的细节特征参数；

感染方案生成模块，将细节特征参数输入至设置的历史图像数据库内，进而进行图像拟合参数的匹配，并生成最终感染图像，根据最终感染图像定位出感染处理方案。