[发明专利]胶囊内镜图像冗余数据筛查方法

权利要求书

1.一种胶囊内镜图像冗余数据筛查方法，其特征在于，所述胶囊内镜图像冗余数据筛查方法包括以下步骤：

获取胶囊内镜采集的胶囊内镜序列图像；

对所述胶囊内镜序列图像进行图像处理，得到胶囊内镜图像块特征向量,包括将胶囊内镜序列图像进行镜像操作，具体为：以胶囊内镜序列图像的像素中心为坐标点，以半径约为105个像素的圆形区域为分界点提取出不包含图像信息的部分，并计算该部分中各个像素点距离圆形区域的长度以及相对于中心点的角度，之后根据三角函数公式将圆内像素点映射到圆外，得到镜像后的胶囊内镜序列图像；

所述得到胶囊内镜图像块特征向量，包括：对镜像后的胶囊内镜序列图像提取预设尺寸的图像块，得到胶囊内镜序列图像块，其中，提取图像块包含两个部分，首先是对镜像后的胶囊内镜图库里的每幅图像随机提取10幅固定尺寸的图像块，所述胶囊内镜图库为采集到的所有胶囊内镜序列图像中获取的一定数量满屏气泡、杂质、曝光过度以及曝光不足干扰性图像、正常类别的图像和其他类型图像的图库；

通过视觉单词模型对所述胶囊内镜图像块特征向量进行词频统计，得到胶囊内镜图像词频矩阵；

所述得到胶囊内镜图像词频矩阵，包括：对各类的最高投票成功率来判别其所属的视觉单词类，并统计一幅图像中视觉单词出现的次数，形成[图像，单词]矩阵，得到胶囊内镜图像词频矩阵；

通过预设主题模型对所述胶囊内镜图像词频矩阵进行主题分析，得到图像主题概率分布；

通过预设主题模型对所述胶囊内镜图像词频矩阵进行主题分析，得到图像主题概率分布包括：

通过最大期望算法对所述胶囊内镜图像词频矩阵进行处理，得到估计模型参数α、β和θ，并求解胶囊内镜图像主题分布下主题类别对应的主题概率p(z_n|θ)；

根据所述模型参数α、β和θ和胶囊内镜图像主题分布下主题类别对应的主题概率p(z_n|θ)，通过联合概率分布函数计算公式求解得到图像主题概率分布；

通过所述图像主题概率分布对所述胶囊内镜序列图像进行筛查，得到目标胶囊内镜图像。

2.如权利要求1所述的胶囊内镜图像冗余数据筛查方法，其特征在于，所述对所述胶囊内镜序列图像进行图像处理，得到胶囊内镜图像块特征向量，包括：

对所述胶囊内镜序列图像进行镜像操作，得到镜像后的胶囊内镜序列图像；

提取所述镜像后的胶囊内镜序列图像预设尺寸的图像块，得到胶囊内镜序列图像块；

根据预设算法对所述胶囊内镜序列图像块进行特征提取，得到胶囊内镜图像块特征向量。

3.如权利要求1所述的胶囊内镜图像冗余数据筛查方法，其特征在于，所述通过视觉单词模型对所述胶囊内镜图像块特征向量进行词频统计，得到胶囊内镜图像词频矩阵之前，还包括：

获取胶囊内镜图像的胶囊内镜图像库；

对所述胶囊内镜图像库进行镜像操作，得到镜像后的胶囊内镜图像库；

提取所述镜像后的胶囊内镜图像库预设尺寸的数据块，得到胶囊内镜图像库的图像块；

通过预设算法对所述胶囊内镜图像库的图像块进行特征提取，得到胶囊内镜图像库的图像块特征向量；

通过预设聚类算法对所述胶囊内镜图像库的图像块特征向量进行矢量化操作，得到视觉单词模型。

4.如权利要求3所述的胶囊内镜图像冗余数据筛查方法，其特征在于，所述通过预设聚类算法对所述胶囊内镜图像库的图像块特征向量进行矢量化操作，得到视觉单词模型，包括：

将预设数量的胶囊内镜图像库的图像块特征向量作为初始聚类中心；

计算剩余数量的胶囊内镜图像库的图像块特征向量与所述初始聚类中心的相似度，根据所述相似度得到预设数量的聚类簇；

计算所述聚类簇特征向量的平均值，得到新的聚类中心；

通过迭代计算所述聚类簇和所述聚类中心，直到满足迭代停止条件，得到目标聚类中心；

根据所述目标聚类中心确定视觉单词模型。