基于颜色匹配和改进LBP的胶囊内镜视频缩减

针对胶囊内镜视频中存在大量的冗余图像,提出了一种基于颜色匹配和改进LBP的视频缩减算法。该算法首先将胶囊内镜图像转换到HSI空间并从中提取色彩信息,通过余弦角对相邻两帧的色彩信息进行相似性度量来实现颜色匹配。接着构建图像金字塔,用改进的LBP算子提取出多尺度的纹理特征,然后根据相邻两帧纹理统计的加权曼哈顿距离和纹理不同区域面积占全局的比例来进行纹理的相似性度量。最后采用级联分类器完成对图像的分类,将差异图像组建成精简视频从而实现视频缩减。实验结果表明,算法得到的召回率,准确率和综合性能指标分别达到了0.91,0.87和0.89,处理速度达0.055 s/帧。该算法与已有的算法相比,分类效果更好并且处理速度更快。

基于SURF算法的胶囊内镜冗余图像快速筛除

胶囊内镜在检查消化道全程中会产生数万帧有大量冗余的图像数据,要从中找出有病灶的图像,医生需要耗费大量的时间和精力逐帧仔细查看。因此,研究冗余图像的自动筛除对提高医生的诊疗效率具有重要意义。但由于胶囊内镜图像场景复杂多变,且存在气泡、蠕动等不确定因素,冗余图像的自动筛除仍是一个难题。采用SURF算法,提取胶囊内镜图像的特征点及特征描述向量;将向量夹角作为两帧连续图像特征点之间的匹配度量,采用最大类间方差法实现对特征点对的自适应识别;最后以匹配特征点数和分块匹配度为指标,计算图像之间的相似度,筛除冗余图像。对采集的128段胶囊内镜视频段进行冗余图像筛除实验。结果表明,该方法能以平均0.06 s/帧的速度快速完成冗余图像的自动筛除,其召回率(recall)、准确率(precision)和F-measure等3个性能指标分别达到了81%、90%和85%,且该方法对消化道存在的蠕动、气泡及光照变化等不确定因素具有较强的鲁棒性,具有良好的性能。