[發明專利]一種內窺鏡圖像序列中輪廓稠密特征點描述和匹配的方法

有效

• 申請號: 202010915397.2
• 申請日: 2020-09-03
• 公開（公告）號: CN112435211B
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 潘俊君;李冉陽
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/246;G06T7/62;G06V10/40;G06V10/44;G06V10/46;A61B34/20
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 張乾楨

1.一種內窺鏡圖像序列中輪廓稠密特征點描述和匹配的方法，其特征在于，包括以下步驟：

步驟1：基于雙邊濾波器增強自適應RPCA分解所獲得的低秩圖像的邊緣輪廓，減少圖像中的干擾，然后基于梯度算子提取邊緣輪廓信息，并通過形態學運算獲得目標的輪廓形狀；

步驟2：通過提取輪廓形狀上頂點的多尺度幾何特征描述子：包括:輪廓上相關三個頂點與輪廓幾何中心點構成的兩個三角形面積TSA、輪廓上當前頂點與相鄰兩個頂點構成三角形的幾何中心點與當前頂點的距離CCD、計算多邊形邊長的比例REP、多邊形的角度大小PMA來構造輪廓形狀的稠密特征描述子，使其對輪廓形狀的尺度、大小、旋轉變化魯棒；

步驟3：利用FFT對輪廓形狀的稠密特征描述子降維，通過計算兩個輪廓的特征矩陣間的距離大小來衡量不同輪廓間的相似程度，根據目標輪廓形狀，在內窺鏡圖像序列中對目標輪廓形狀進行匹配、跟蹤，在每一幀中計算獲得目標輪廓形狀；

步驟4：根據第三步的跟蹤結果，基于時空連續性原理，運用目標輪廓形狀的關鍵張量空間對目標輪廓的跟蹤、匹配結果進行優化。

2.根據權利要求1所述的一種內窺鏡圖像序列中輪廓稠密特征點描述和匹配的方法，其特征在于：

所述步驟1中，針對低秩圖像利用Sobel梯度算子提取目標穩定的邊緣輪廓信息，首先基于自適應RPCA獲得圖像的低秩結果，低秩矩陣分解公式為：

其中，O(L,S,Y)代表目標函數，||·||₁表示1-范數，||·||_*代表核范數，L代表低秩矩陣，S代表稀疏矩陣，M代表迭代計算過程中的中間結果，H代表檢測獲得的高光圖像，μ代表經驗常數，代表M-L-S矩陣的Forbenius范數，Y,M-L-S代表迭代計算過程中的殘差結果，代表矩陣S的1-范數，其中m，n分別代表矩陣的行數和列數，||S-H||₂表示稀疏結果與檢測到的高光圖像之間的相似性度量，λ_l代表低秩控制參數，λs代表稀疏控制參數，Y為基于殘差M-L-S的拉格朗日乘子矩陣，ζ代表殘差控制條件，η表示迭代終止條件；低秩圖像能夠消除內窺鏡圖像中高光帶來的影響，將圖像中包含高光信息、擾動信息、噪聲信息全部分解到稀疏結果矩陣中，將圖像中穩定部分、主成分分解到低秩結果矩陣中。

3.根據權利要求1所述的一種內窺鏡圖像序列中輪廓稠密特征點描述和匹配的方法，其特征在于：

所述步驟1中，基于兩個高斯濾波器將低秩圖像中不穩定的抖動邊緣信息消除，同時保留穩定的邊緣輪廓信息，其計算公式如下：

其中，BF代表保邊濾波函數，L代表低秩矩陣，Lp和Lq分別表示像素p和q的強度，代表空間高斯權重算子，代表像素范圍域高斯權重算子，W_p代表歸一化算子，i，j代表圖像中像素的坐標位置，k，l代表與i，j坐標點臨近的坐標點，σ代表高斯函數的參數，B_L代表保邊濾波后的結果圖像。

4.根據權利要求1所述的一種內窺鏡圖像序列中輪廓稠密特征點描述和匹配的方法，其特征在于：

所述步驟1中，獲得低秩圖像的雙邊濾波結果，針對濾波后圖像，對其進行梯度運算，找到圖像中梯度信息：

其中，G_x，G_y分別代表x和y方向梯度，分別代表x方向和y方向導數，B_L代表保邊濾波后的結果圖像，M′代表梯度的幅值大小，m，n分別代表圖像的長、寬，θ代表梯度的方向角度大小，i，j代表圖像像素坐標位置。