[發明專利]一種新型醫學視頻圖像采集和數據管理系統

在審

• 申請號: 202110372204.8
• 申請日: 2021-04-07
• 公開（公告）號: CN113032622A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 吳統明
• 申請（專利權）人: 吳統明
• 主分類號: G06F16/71
• 分類號: G06F16/71;G06F16/75;G06F16/783;G06T7/00;G06T3/40;G06K9/46;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種新型醫學視頻圖像采集和數據管理方法，其特征在于，所述方法包括：

利用無參考質量評價模型對得到的每幀視頻圖像進行質量評估，計算最優醫學視頻圖像；

利用雙立方插值變換初始化最優醫學視頻圖像的圖片，得到目標規格的圖像；

通過梯度強度和梯度方向計算檢測目標規格圖像的梯度特征；

利用卷積神經網絡獲得輸出特征，并聯合提取到的圖像梯度特征，作為組合特征，利用隨機森林分類器進行分類；

基于最優醫學視頻圖像分類信息建立索引，利用高性能分布式存儲結構進行醫學影像視頻數據存儲。

2.如權利要求1所述的一種新型醫學視頻圖像采集和數據管理方法，其特征在于，所述利用無參考質量評價模型對得到的每幀視頻圖像進行質量評估，計算最優醫學視頻圖像，包括：

1)灰度化壓縮后圖像，計算相鄰幀像素點的灰度值，對于一個像素點(i，j)，其灰度值為L(i，j)：

其中：

R(i，j)、G(i，j)、B(i，j)分別為像素點(i，j)在R、G、B顏色通道的色彩度；

2)將每一像素點(i，j)按照3×3區域滑動，計算區域內灰度值高斯均值μ(i，j)為：

其中：

高斯核w_k，h為2維循環對稱高斯權重函數；

L_k，h(i，j)為區域中心點像素灰度值；

得到區域方差為：

因此區域亮度系數為：

計算每一點區域亮度系數得到亮度系數矩陣M：

其中：

n為壓縮后圖像的像素行數，m為壓縮后圖像的像素列數；

3)利用零均值的廣義高斯分布模型對亮度系數矩陣M進行擬合，所述零均值的廣義高斯分布模型表示如下：

其中：

x在[0，+∞]內任意取值；

α控制廣義高斯分布的形狀，α∈(0.5，8.5)，在擬合過程中隨機取值；

σ控制廣義高斯分布的方差；

Γ(·)為gamma函數；

計算尺度函數β的公式為：

用矩匹配算法擬合得到估計參數(α，σ)，并將估計參數作為圖像的二維估計特征；

4)將中心像素點與周邊四個方向像素點亮度系數進行內積，獲得像素點的內積矩陣；所述像素點內積矩陣如下所示：

H(i，j)＝L′(i，j)*L′(i，j+1)

V(i，j)＝L′(i，j)*L′(i+1，j)

D(i，j)＝L′(i，j)*L′(i+1，j+1)

N(i，j)＝L′(i，j)*L′(i+1，j-1)

5)用非對稱的廣義高斯矩陣對四個矩陣進行建模，擬合得到當前像素點與相鄰像素點的分布特征參數

其中：

v控制廣義高斯分布的形狀，在擬合過程中的范圍與α相同；

和分別用來控制高斯模型兩邊的分布；

繼而得到特征η：

共得到4維特征，再分別從其他三個方向進行增長，得到16維特征向量；

6)將所述16維特征向量與二維估計特征進行拼接處理，得到18維特征向量；利用所述18維特征向量去訓練一個SVM概率分類器以及支持向量回歸器(SVR)，利用SVM概率分類器輸出圖像在該失真類型的概率值，并利用支持向量回歸器(SVR)輸出該失真類型得分；最終質量為上述概率值和類型得分的乘積；聯合上下時域，得到附近15幀中質量最優的醫學視頻圖像。