在胃腸道檢查過程中,膠囊內(nèi)窺鏡生成的數(shù)十萬幀中的大量冗余圖像對臨床醫(yī)生在找出病灶圖像時產(chǎn)生了極大干擾。為提高醫(yī)生診療效率并縮短閱片時間,提出了一種圖像塊信息相似性的評估算法對冗余圖像進(jìn)行評估并去除。算法將圖像分為幾個圖像塊,并對每個區(qū)域求出亮度、二維熵值和結(jié)構(gòu)信息;合并所有圖像塊信息后作為該圖像的唯一識別碼并存入json文件中;通過調(diào)用json文件中兩幀的相應(yīng)識別碼計算出相似度度量值,篩除冗余圖像。對2018年從長海醫(yī)院采集的800幀小腸內(nèi)窺鏡圖像進(jìn)行擴(kuò)增后進(jìn)行了冗余圖像去除實驗。實驗結(jié)果表明,該算法具有0.03 s/幀的快速數(shù)據(jù)篩查速度,實驗召回率達(dá)到99.14%,準(zhǔn)確率達(dá)到98.42%,F-measure達(dá)到98.01%。經(jīng)驗證可知,在有效保留了圖像的原始信息同時算法有效提高了篩查速度,對復(fù)雜多變的消化道圖像具有良好的去冗余性能。 

【文章來源】：電子測量技術(shù). 2020,43(22)

【文章頁數(shù)】：5 頁

【部分圖文】：

識別碼生成過程

為驗證本文所提算法的篩除速度和對冗余圖像檢出的性能,對在2018年上海市長海醫(yī)院采集到的共800幀小腸彩色圖像(圖像尺寸為763×570×3)進(jìn)行了冗余圖像自動篩除實驗,實驗使用計算機(jī)的處理器為Intel(R)Core(TM)i7-8550U CPU,運(yùn)行內(nèi)存為8 GB,型號為Dell Inspiron 14-7472,使用的軟件平臺為Python 3.7。實驗過程中,隨機(jī)對原始圖像進(jìn)行數(shù)據(jù)擴(kuò)增至1 200張數(shù)量大小,擴(kuò)增方式為使用高斯模糊、方框模糊和3°以及5°的輕微旋轉(zhuǎn)處理原圖。如圖2所示,分別為原圖與經(jīng)過高斯模糊、3°旋轉(zhuǎn)和5°旋轉(zhuǎn)后的圖像對比。在檢查過程中,令增加了模糊度的圖像與原圖相同,經(jīng)過輕微旋轉(zhuǎn)處理的圖像為有異于原圖的干擾圖像。在人工檢查原始圖像過程中,若肉眼觀察兩張圖像類似,且是在同一段視頻中確定為同一張的圖像。實驗流程如圖3所示,其中j的取值范圍在區(qū)間[i+1,1 200]中。

實驗流程如圖3所示,其中j的取值范圍在區(qū)間[i+1,1 200]中。實驗中,1)讀入所有幀并依次計算出專屬的識別碼,將識別碼與相應(yīng)圖像地址一起有序保存在json文件中;2)將所有識別碼按照在json文件中順序依次輸入到對應(yīng)的二維數(shù)組中,對二維數(shù)組按1～1 200數(shù)字編好對應(yīng)序號;3)將讀入的第一幀識別碼作為固定幀,第二個作為移動幀,應(yīng)用本文所提算法計算兩幀圖像相似度MQSSIM,若兩幀相似度大于設(shè)定閾值(本文設(shè)定閾值為0.898 7),則按照數(shù)組名索引與其對應(yīng)地址刪除對應(yīng)圖像幀,并讀入下一幀圖像作為移動幀,否則將該移動幀重置為固定幀,重復(fù)此過程過程直至將當(dāng)前固定幀與所有幀對比結(jié)束;4)更新固定幀并重復(fù)過程3),直至所有比較結(jié)束。

【參考文獻(xiàn)】：
期刊論文
[1]一種改進(jìn)的非局部均值去噪算法[J]. 閆涵,張旭秀,丁鳴艷.  電子測量技術(shù). 2019(22)
[2]基于SVM算法的實時人臉驗證的研究[J]. 葉文武,成杰,高頌,徐瑋巍,張強(qiáng),徐寅林.  國外電子測量技術(shù). 2018(12)
[3]基于濾波器組與中心對稱局部二值模式的內(nèi)窺鏡病灶圖像檢測方法[J]. 江韜,賈智偉,劉勇,陳立福.  電子測量與儀器學(xué)報. 2018(02)
[4]基于顏色匹配和改進(jìn)LBP的膠囊內(nèi)鏡視頻縮減[J]. 彭同勝,劉小燕,龔軍輝,蔣笑笑.  電子測量與儀器學(xué)報. 2016(09)
[5]基于SURF算法的膠囊內(nèi)鏡冗余圖像快速篩除[J]. 劉小燕,龔軍輝,李向東,武偉寧,彭同勝.  中國生物醫(yī)學(xué)工程學(xué)報. 2016(03)
[6]基于改進(jìn)SURF算法的遙感圖像配準(zhǔn)[J]. 陽吉斌,胡訪宇,朱高.  電子測量技術(shù). 2012(03)



本文編號：3590672