內(nèi)窺鏡器械跟蹤算法是持鏡機(jī)械臂自動(dòng)導(dǎo)航系統(tǒng)的核心算法之一,也是醫(yī)療手術(shù)機(jī)器人的核心算法之一。目前,手術(shù)工具跟蹤算法大多基于機(jī)器視覺方法,計(jì)算量較復(fù)雜,在實(shí)時(shí)性和準(zhǔn)確性上還不能完全滿足實(shí)際需求。本文基于實(shí)際的應(yīng)用課題,對(duì)內(nèi)窺鏡器械跟蹤進(jìn)行深入研究。首先研究了內(nèi)窺鏡器械檢測算法,其中包括基于傳統(tǒng)特征提取的模板匹配方法和基于深度學(xué)習(xí)的YOLOv2檢測方法,同時(shí)為了更進(jìn)一步提高算法的實(shí)時(shí)性和應(yīng)用廣泛性,本文研究了基于YOLOv2和KCF的內(nèi)窺鏡器械跟蹤算法,利用KCF加速跟蹤算法。針對(duì)于內(nèi)窺鏡器械檢測,本文研究了基于模板匹配的檢測算法和基于YOLOv2的檢測算法。首先研究了基于模板匹配的內(nèi)窺鏡器械檢測算法。在算法準(zhǔn)確率方面,將SURF特征與灰度直方圖特征相結(jié)合,相對(duì)于單一特征提高了檢測精度;在算法速度方面,本文使用多步階灰度直方圖匹配,通過由大到小改變步階值,減小檢測時(shí)間。為了更好的提高檢測準(zhǔn)確度和實(shí)時(shí)性,本文研究了基于YOLOv2的內(nèi)窺鏡器械檢測算法,詳細(xì)的闡述了構(gòu)建網(wǎng)絡(luò)的訓(xùn)練過程以及檢測過程,并且自主構(gòu)建數(shù)據(jù)集進(jìn)行訓(xùn)練和測試,相對(duì)于模板匹配方法,提高了檢測準(zhǔn)確性和實(shí)時(shí)性。為了更進(jìn)一步提高算... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：99 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

神經(jīng)元模型

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文 ( x ) max(0, x)(2-3)如圖 2-2 所示，Sigmoid 函數(shù)在輸入較大和較小時(shí)，函數(shù)梯度接近 0，存在梯度飽和問題。與 Sigmoid 函數(shù)相比，ReLU 函數(shù)在 x 0時(shí)不存在梯度飽和問題，同時(shí) ReLU 為分段線性函數(shù)，計(jì)算相對(duì)簡單，因此在神經(jīng)網(wǎng)絡(luò)中 ReLU 函數(shù)更加常用。

) Sigmoid 函數(shù) (b)ReLU 函圖 2-2 Sigmoid 函數(shù)與 ReLU 函數(shù)曲線圖多個(gè)神經(jīng)元按照一定的層次結(jié)構(gòu)連接起來，就得ceptron, MLP)，如圖 2-3 為包含一個(gè)隱含層的多層

【參考文獻(xiàn)】：
期刊論文
[1]基于SURF算法的醫(yī)學(xué)圖像特征點(diǎn)匹配[J]. 劉橋,楊正坤,李晗.  電子科技. 2014(05)
[2]隨機(jī)梯度下降法的收斂速度(英文)[J]. 汪寶彬,戴濟(jì)能.  數(shù)學(xué)雜志. 2012(01)
[3]粒子濾波評(píng)述[J]. 程水英,張劍云.  宇航學(xué)報(bào). 2008(04)

碩士論文
[1]基于KCF的目標(biāo)跟蹤算法改進(jìn)及GPU系統(tǒng)實(shí)現(xiàn)[D]. 劉金花.西安電子科技大學(xué) 2017



本文編號(hào)：2941545