[发明专利]内窥镜图像深度估计方法及装置

权利要求书

1.内窥镜图像深度估计方法，其特征在于：其包括以下步骤：

(1)采集临床手术内窥镜图像数据，获得基于非线性滤波与显著性像素分布的高光区域，通过遍历原始内窥镜图像得到高光区域；

(2)根据检测的内窥镜高光区域，采用近光辐射模型和光源距离衰减，对该区域进行图像补全，得到初始深度估计图；

(3)通过非线性滤波对初始深度图进行多尺度分解，融合多尺度残差与颜色空间强度，获得内窥镜图像深度估计信息。

2.根据权利要求1所述的内窥镜图像深度估计方法，其特征在于：所述步骤(1)中，用非线性滤波对内窥镜图像进行增强：

I_Enhance＝Filter(I_(r,g,b))                                  (1)

其中，I_Enhance为增强图像，Filter为非线性滤波函数，I_(r,g,b)为原始图像的三个通道分量，在RGB颜色模型中，内窥镜图像中高光区域的梯度变化幅度较大；为了检测高光区域的中心区域，分别比较色彩空间中显著性像素的分布情况，通道阈值分别为：

ω_r＝M(I(r))+S(I(r))·α                                 (2)

ω_g＝M(I(g))+S(I(g))·β                                (3)

其中，ω_r和ω_g分别代表红色和绿色的通道的阈值，I(r)和I(g)分别代表图像红色和绿色的通道分量，M表示矩阵的平均值，S代表标准差，α和β分别代表不同的权重参数；最终提取高光区域为：

S_region＝{I(r)≥ω_r∩I(g)≥ω_g}                           (4)

最后，通过遍历原始内窥镜图像得到高光区域，S_region为检测高光区域的约束条件同时满足两个权重。

3.根据权利要求2所述的内窥镜图像深度估计方法，其特征在于：所述步骤(2)中，采用近光辐射模型来描述内镜的照明情况：

I(x)＝R_scene(x)*M_ill(x)                                 (5)

其中，x为图像中的像素点，I(x)代表内窥镜拍摄的图像，R_scene(x)代表场景辐射强度，M_ill(x)代表场景照明，近光辐射模型通过辐射面与光源距离的衰减来表示图像的深度；

拍摄图像分解为场景辐射强度与场景照明的乘积，对公式(5)进行求解：

其中，c表示RGB图像的三个通道，ε代表了一个非常小的常数,以避免分母为零；在初始深度图中，通过考虑目标像素周围小区域内的相邻像素来考虑光照的局部一致性，初始深度图定义为：

其中，c^m代表主要色彩空间，c^s代表次要色彩空间，d_map代表初始深度图，θ(x)代表以像素x为中心的区域，y表示区域内的位置索引。

4.根据权利要求3所述的内窥镜图像深度估计方法，其特征在于：所述步骤(3)中，在初始深度估计图的基础上，使用多尺度滤波处理，以细化深度估计的层次，明确边界，局部线性优化和多尺度分解方法为：

其中，∈_i代表平滑尺度相关的参数,代表了线性优化方法，a和b分别为线性滤波常数，ψ_i～n为初始深度估计图的多尺度残差，假设两个一般特征:光源亮度衰减距离一致性和表面漫反射，采用局部线性优化方法对初始深度图进行多尺度分解；内镜图像深度估计为：

其中，D_map(x)代表内镜图像的深度估计，μ和σ分别表示ψ_n的均值和方差，采用方差加权平均差分法进行多尺度融合，该方法表示像素为环境光像素的概率。