[发明专利]一种面向胶囊内窥镜图像的高光去除方法

说明书

本发明公开了一种面向胶囊内窥镜图像的高光去除方法，属于计算机视觉与医学相结合的交叉学科技术领域。本发明提供一种改进的Criminisi算法，通过计算RGB空间中像素的R通道与B通道的比值得到置信度，通过梯度法向量与等照度线乘积获得数据项，并分别不同的权重相加得到优先级最高的点；然后，通过高光区域边缘像素的方差来调整样本块窗口大小，并在已知区域通过样本块与优先级最高点的窗口之间的RGB颜色相似性以及距离来搜索最佳匹配块，最后将最佳匹配块中像素复制到最高优先级的高光待去除区域达到高光区域去除的目的。实验证明本发明可以很好的去除WCE图像高光，同时高光去除区域和高光附近区域颜色相似且纹理连续。

技术领域

本发明涉及一种面向胶囊内窥镜图像的高光去除方法，属于计算机视觉与医学相结合的交叉学科技术领域。

背景技术

使用无线胶囊内窥镜(Wireless Capsule Endoscopy，WCE)可以很好地检查患者的消化道来获取相关信息。但是由于WCE光源和胃肠道表面很接近，加之胃肠道表面光滑湿润，导致所拍摄的WCE图像经常会出现强烈的镜面反射产生高光区域，但是高光区域可能包含与胃肠道相关的重要信息，例如颜色、纹理和病灶等，这不仅会干扰医生的观察和判断，还会影响诸如基于WCE采集图像的即时导航规划、以及后期三维重建等。因此，去除高光的影响一直是WCE图像处理的一项重要任务。

目前，高光去除方法主要包括双色反射模型、图像修复和基于学习的方法。双色反射模型将图像分解为漫反射分量和镜面反射分量来实现高光去除，漫反射分量表示图像真实颜色信息，镜面反射分量表示高光。然而，光的漫反射和镜面反射由物体表面的材质和几何分布决定，无法准确获得物体表面的组织几何属性，从而导致高光去除不完全且纹理恢复效果并不理想。图像修复方法对图像中的高光区域用最相似的区域对其进行修复重建，目前图像修复算法主要分为基于偏微分方程(Partial Different Equation，PDE)的图像修复法和基于纹理的图像修复法。基于偏微分方程的图像修复法利用物理学热扩散方程将待修补区域周围信息传播到待修补区域达到图像修复的目的，但是此修复方法只适用于划痕等小区域信息缺失的图像修复；基于纹理的图像修复方法是以受损边缘上的一个像素点为中心，用图像中现存的像素块进行匹配来填充信息受损的区域从而达到图像修复的目的，代表方法为Criminisi算法，此方法可以很好的修复大区域信息受损的图像，但是此修复方法如果修复顺序和匹配策略选择不正确，就会导致纹理的错误延续和纹理的断层等。近年来，学者提出了许多基于学习的方法来去除图像镜面反射高光，使用基于学习的方法比传统方法具有更好的高光去除性能，但是基于学习的方法通常需要良好的训练集以提高此方法的鲁棒性和通用性，此外，腔内环境下高光与无高光的配对训练集更加难以获得。

发明内容

为了解决上述问题，本发明提供了一种面向胶囊内窥镜图像的高光去除方法，包括：

步骤1：获取原始内窥镜图像，在以高光区域边缘像素点为中心的窗口中，计算已知像素点的置信度，表示已知区域像素所占的比重；

步骤2：采用Criminisi算法中的高光边界的梯度法向量和等照度线的乘积作为数据项，代表已知区域与高光区域存在明显的相交边界；

步骤3：将所述置信度与数据项权重相加来计算高光区域边缘处的优先级，并得到优先级最高的边缘像素点；

步骤4：通过方差调整样本块窗口的大小，并联合RGB颜色通道距离和像素距离得到最佳匹配块；

步骤5：将所述最佳匹配块中的像素复制到所述优先级最高的边缘像素点样本块中的高光区域，同时更新高光区域Mask矩阵，直到所述高光区域Mask矩阵全部为0为止；

步骤6：将高光区域边界像素采用以边界像素为中心的窗口中所有像素的平均值替代，防止高光区域与已知区域存在边界过度差异。

可选的，所述置信度为：