[发明专利]一种基于超像素图像相似度的计算方法

说明书

本发明涉及一种基于超像素图像相似度的计算方法。包括以下步骤：通过网络模型从影像数据中选出关键帧图像；采用图像分割算法将所述关键帧图像划分为不同像素块的超像素分割图；对所述关键帧图像进行水平翻转处理；从所述超像素分割图中提取其分割边界；将所述分割边界叠加在水平翻转处理后的关键帧图像上，得到叠加图像；通过相位一致性算法对超像素分割图和叠加图像中对应的像素块进行相似性比较，分别得到分割出来的每一对像素块的相似度。本发明从获取的影像视频流中自动筛选出关键帧图像，并对关键帧图像进行识别，实现智能的计算机辅助诊断。

技术领域

本发明属于影像识别领域，特别涉及一种基于超像素图像相似度的计算方法。

背景技术

近年来深度学习在图像处理领域的应用也得到了快速的发展，但是针对影像进行分类识别是深度学习的重要挑战。随着数据量的不断增大，越来越需要可靠的计算机辅助诊断方法。目前有关学者对人工智能应用于计算机辅助诊断方法已有大量研究。计算机辅助诊断方法是指从一种或多种模态影像数据中提取出有效特征，并采用机器学习的方法对提取到的有效特征样本进行分类识别。然而，目前的计算机辅助诊断影像方法存在如下一些问题：(1)仅针对某种部位或者特定的部位训练出网络模型，不适用于其他部位；(2)关键帧和感兴趣区域选取需要人工干预手动完成，造成便捷性不高。

发明内容

针对现有技术所存在的问题，本发明的目的是提供了一种基于超像素图像相似度的计算方法，能够对选取关键帧图像分割后的像素块进行相似度判别。以解决现有技术中实用性、精度不高的问题。

为解决上述技术问题，本发明采用的技术方案为：

一种基于超像素图像相似度的计算方法，包括以下步骤：

通过网络模型从影像数据中选出关键帧图像；

采用图像分割算法将所述关键帧图像划分为不同像素块的超像素分割图；

对所述关键帧图像进行水平翻转处理；

从所述超像素分割图中提取分割边界；

将所述分割边界叠加在水平翻转处理后的关键帧图像上，得到叠加图像；

通过相位一致性算法对超像素分割图和叠加图像中对应的像素块进行相似性比较，分别得到分割出来的每一对像素块的相似度。

进一步的，所述网络模型的训练方法如下：

根据需要识别的部位选取对应部位的关键帧图像；

制作所述关键帧图像的训练集；

制作与所述训练集不交叉重叠的测试集和验证集；

根据所述训练集和验证集训练出在测试集上识别关键帧图像准确率最高的网络模型。

进一步的，所述关键帧图像的分割过程如下：

将所述关键帧图像转化为特征向量；

根据所述特征向量构造出距离度量标准；

根据所述距离度量标准对局部的图像像素进行聚类；

对所述聚类进行不断地迭代优化直到每个像素点到聚类中心的差不再发生变化，得到不同像素块的超像素分割图。

进一步的，所述方法还包括根据距离度量标准计算所搜索的像素点的颜色距离和空间距离。

进一步的，所述颜色距离和空间距离的计算公式如下：