[发明专利]一种胃窥镜图像的处理方法

说明书

技术领域

本发明涉及图像处理领域，具体的说是一种胃窥镜图像的处理方法。

背景技术

在消化道疾病诊断过程中，由于病变部位难以直观的呈现于临床医生，需要借助内窥镜技术将消化道内部图片进行反馈，依据反馈图像进行诊断。胃部疾病是消化道内高概率发病部位，针对胃部疾病的诊断，目前主要的内窥镜技术有胃窥镜和无线胶囊两种。其中，无线胶囊类似于药物被患者服入体内，利用其在消化道内漫游过程中反馈获得图像信息，大大减轻了患者在诊断过程中的痛苦，但这种方式会受到消化道环境、电源供电、摄像头功率以及其难以驱动控制的不足等方面的制约，影响图像质量，且容易形成大量无用信息帧，从而影响辅助诊断的准确率；胃窥镜技术方便控制摄像头在消化道内的移动，同时，不受图像采集设备功率的影响，图像质量较高。因此，目前主要的方法还是胃窥镜。

传统的诊断方式都是依靠临床医生对反馈图像肉眼观察诊断。然而，在一次胃窥镜过程中将形成大量图像，临床医生针对这些图像进行诊断分析需要耗费漫长的时间与巨大的精力，并且对于临床医生的临床经验要求很高。另外，一些病变由于其独特的大小与分布，难以用肉眼识别。

发明内容

针对现有技术中存在的上述问题，本发明提出了一种胃窥镜图像的处理方法。

本发明为实现上述目的所采用的技术方案是：一种胃窥镜图像的处理方法，包括以下步骤：

在正常图像序列和病变图像序列中分别采集样本，构成正样本集合负样本集，对每一个样本提取特征描述符作为样本特征；

对所述样本特征使用监督学习法进行分类学习，形成学习模型；

对待检查图像按照颜色相似性分割成不同的区域，将不同区域标记为不同的序号；

对标记后不同的连通区域分别提取特征描述符；

对每个区域的特征描述符采用分类器和所述学习模型，对各个区域进行检测分类；

对分类后的图像做染色标记并输出。

所述样本为在正常图像序列和病变图像序列中随机抽取的矩形小块。

所述特征描述符可以是颜色直方图、纹理特征、频域特征、矩或上述特征描述符的组合。

所述监督学习法可以是支持向量机或自适应增进算法。

所述对待检查图像按照颜色相似性分割成不同的区域可以使用金字塔分割法或均值漂移法对图像进行分割。

本发明具有以下优点：

1.采用胃窥镜图像作为数据源，标记出可能出现病变的部位，并直观的显示出来。

2.借助本发明可以通过给定输入获得自定义的学习模型，并借助自定义模型进行分类。

3.针对胃窥镜图像中复杂的干扰具有良好的鲁棒性。

4.输出的图像为临床医生提供了重点观察部位，提高临床医生的诊断效率，节省了诊断时间，同时克服了肉眼识别效率低的问题。

附图说明

图1为本发明方法流程图；

图2为本发明实施例中标记图像示意图；

图3本发明实施例的样本采集示意图；

图4为本发明的颜色直方图示意图；

图5为本发明的分割结果示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

如图1所示，本发明具体包括如下步骤：

S01：获取临床数据，包括正常图像与病变图像，且得到临床医生标记出病变位置区域的标记图像(临床医生使用手绘方式将病变区域边缘绘制出来，由绘制的轮廓所包含的区域即为病变区域，如图2所示)；

样本采集分为正常样本采集与病变样本采集两部分。其中，正常样本采集是在正常图像中进行，对正常图像序列中的每一幅图像，人为的随机抽取矩形小块，这些小块形成正样本集；负样本的采集则是在临床医生标记后的图像中执行的，同样采用人为随机的方式抽取矩形小块，但小块的位置被限定在所标记的病变区域内部，此过程形成负样本集。样本采集过程如图3所示。

针对上述样本集中的每一个样本，提取特征描述符来描述该样本。常用的特征描述符众多，如颜色直方图、纹理特征、频域特征以及矩等。本发明实例中采用了颜色直方图以及纹理特征相结合的方法。