基于颜色特征向量的无线胶囊内窥镜图像出血检测研究

摘要

无线胶囊内窥镜主要针对的是消化道疾病检测，是一种全新的革命性的检测手段。与传统的检测方式相比，胶囊内镜系统能使医生直接观测人的肠胃图像，获取详细的，直观的信息。近年来，由于胶囊内镜具有使用简单、检查方便、无痛苦、检查小肠等优点已成为国内外医疗器械领域研究的热点之一。然而，无线胶囊内窥镜会产生大量的图片。这些图片必须由医生来进行人工判读的话，工作量巨大，花费大量的时间。本文研究的算法主要是用计算机智能辅助技术对出血的胶囊图像进行检测，来减轻医生的工作量。
　　本文研究的核心算法是基于颜色特征向量的胶囊图像的出血检测问题。该算法是以监督学习的方式，基于支持向量机分类器进行分类的。在图像预处理阶段首先根据胶囊图像的特点提取感兴趣区域，接着消除胶囊图像的噪声，通过CLAHE对胶囊图像进行对比度拉伸，在彩色信息分离的理论上对其进行彩色校正。根据几种常见的颜色空间的理论和出血胶囊图像的自身特点，本文采用色彩均匀的LAB颜色模型和适合印刷色彩的CMYK颜色模型，对于红色特征识别方面具有优势的A分量和M分量，将这两个分量结合，提出了两种不同的颜色特征向量构造方法。第一种颜色特征提取算法是一个两阶段的显著特征提取算法，第一阶段是由这两种通道混合来提取二值化特征向量，找到胶囊图像中的出血区域，第二阶段是根据这个出血区域结合RGB获得显著对比，建立一个六维向量特征，设置阈值，归一化处理。这个模型能够观察到出血区域的分布特点，但是构造的维数太大并且依赖于出血区域的大小。第二种颜色特征算法是使用这两种通道混合进行建模，提取二维二值色度信息，相比于第一种算法比较对比度的方法，该特征能够更好地通过去除非必要的颜色区域和使用非等量间隔降维的方式。为了防止特征向量依赖于胶囊图像中出血区域的大小，将该特征向量进行二值化处理。和第一种算法中的全部的彩色空间相比，这个方法不仅效果更好，计算速度更快，是第一种算法的改进。文章结合这两种特征向量与另外一个根据HSV空间进行二值特征向量，金子塔模型，进行了实验结果对比。在文章的结尾处，提出了算法需要改进和提升的地方。

目录

封面

中文摘要

英文摘要

目录

1 绪 论

1.1 研究背景

1.2 课题研究意义

1.3 完成工作和贡献

1.4 论文主要工作与结构

2 分类检测算法

2.1机器学习理论

2.2 经典的监督式学习方法的介绍

2.3 本章小结

3 无线胶囊内窥镜图像的预处理

3.1 ROI提取

3.2 去噪处理

3.3 对比度增强

3.4 直方图彩色校正和实验结果

3.5 本章小结

4 无线胶囊内窥镜图像的特征提取

4.1 彩色空间

4.2 灰度变换增强

4.3 基于颜色直方图向量特征提取

4.4 基于二值向量颜色特征快速提取

4.5 本章小结

5 总 结

5.1 论文总结

致谢

参考文献

附录

A. 作者在攻读学位期间发表的论文目录