雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际期刊的创新在计算机和通信工程的研究

菜单

ISSN在线(2320 - 9801)打印(2320 - 9798)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

基于颜色的检测出血内窥镜图像

亚当Brzeski
计算机体系结构、电子学院电信信息学Gda 'nsk科技大学,波兰
相关文章Pubmed,谷歌学者

访问更多的相关文章国际期刊的创新在计算机和通信工程的研究

国际期刊的创新在计算机和通信工程的研究

文摘

摘要颜色描述符为出血内窥镜图像提出了检测。算法的发展进行一个代表性的训练集的36张照片出血和25个清晰的图像。另一个38出血和26日正常图像被用于作为测试集的最后阶段。所有的图像分别提取内镜检查。实验包括颜色RGB和HSV颜色空间分布分析,对训练集测量。接下来,颜色描述符的统计数据的基础上介绍了像素值。算法背后的主要思想是衡量出血和浸渍的比例情况下为每个像素的颜色值出现在训练集,提出了两种不同的描述符,第一个专用的血液颜色检测,其次,多宽容,对于识别颜色接近出血。实验评价导致令人满意的结果,超过了预期值基础上的理论考虑早些时候进行的。

关键字
计算机视觉、医学图像处理、图像处理、图像分类、血液检测

我的介绍。
颜色是出血内窥镜视频中观察到的最重要的特征,因此它是最常见的处理特性自动检测系统[1]。因此,出血的问题检测通常是作为一个任务的识别颜色范围典型的血液,在正常,但罕见浸渍地区。介绍了更复杂的颜色值的属性。其他功能也可以用于检测出血等包括纹理属性、轮廓和单独的图像区域之间的关系被分割的方法。在前面的工作中,作者提出了一个概念彻底出血检测系统[2],假设利用一组10特征描述符,考虑颜色、轮廓、纹理特征以及空间区域之间的依赖关系。初步实验显示,即使non-color特性显著的出血准确检测,最重要的功能,主要是导致正确的决策,还是颜色特性。因此一个可靠的颜色模型综合出血检测系统是必要的。本文设计的颜色描述符在这个方向提出了内窥镜图像的颜色分布的分析。

二世。相关工作
已经提出了各种方法出血内窥镜检测。在[1]Brzeski等人回顾了18算法和分类不同类型的出血的特点。大部分的现有出血检测方法依赖于颜色特征。同时,算法大多是专为无线胶囊内窥镜图像。李和孟提出一个方法采用HSI颜色空间,LBPriu2和切比雪夫多项式[3]。李和Yoon方法提出了基于RGB颜色空间的变化和饱和HSV [4]。反过来,锅等。提出了基于原始色差的方法措施在RGB空间补充区域增长分割方法[5]。最近,Figueiredo出血等人提出了一个方法检测基于CIELab颜色空间[6]。Abouelenien等人利用HSV直方图方法,主要颜色和同现矩阵[7]。最后,戈什等人提出了一个基于统计的方法转换RGB颜色空间的特点[8]。

三世。该方法
提出的设计方法进行完全相同的图像设置为[2]。集收购从医科大学内科医生的协助下,由74出血图片和51浸渍图像。每个图像的提取从一个不同的内窥镜检查。只收集单个图像从一个检查的数量显著减少图像,但需要分析的正确性。因此,收集到的图像是假定为代表的一组出血和浸渍图像。进行实验,数据集被分为两个子集:训练集,包括36出血图片和25浸渍图片,和一个测试集,分别为38岁和26个图片,。
实验是由计算直方图分离的颜色通道的内窥镜图像。除了提取原始的红色,绿色和蓝色通道,图像也转化为HSV颜色空间,使提取色相,饱和度和价值的飞机。为每个被认为是飞机,两个直方图计算在所有图片像素的训练集——一个直方图在血液地区,和第二个像素。黑色像素从边境周围实际内镜视图被忽略了。结果在图1中可以看到。预期的结果将是观察典型颜色值仅为出血区域,这将显示在直方图血液阴谋接近整体情节的最值。然而,正如图表中可以看到,这并不成立。直方图标明,出血的单通道值像素重叠与其他几乎所有范围内的像素值。这表明,区分正常血液和像素的基础上的任何飞机本身实际上是不可能的,即使对HSV的飞机。适当的组合值特别是需要因此雇佣歧视为了达到令人满意的结果。
因此该方法的目的是利用所有的像素数据出血检测任务。方法使用RGB空间,研究内窥镜图像最初交付。算法的主要思想是计数频率每个可能的像素值{r, g, b}出现在血地区,和出现的频率在正常区域。算法的训练可以在以下步骤:
1)Initilize查找表可能的{r, g, b}像素值
)每个像素值启动血像素counter = 0
b)每个像素值启动正常像素counter = 0
2)为每个像素值{r, g, b}在每个图像训练集:
)如果血液像素,增加血液计数器在查找表{r, g, b}
b)如果正常像素,增加正常计数器在查找表{r, g, b}
3)为每一个条目在血液在查找表计算概率,定义为血液计数器除以一笔血和正常的计数器
然后,分析一个新的、未知的内窥镜图像进行如下:
1)准备一个空的面具检测血液像素
2)对于每个(x, y)分析图像的像素
)得到像素血液查找表的概率
b)把概率(x, y)的面具,扩展的最大像素值(255)
上述过程的结果在一个概率图,图像中每个像素反映出血液像素表示的机会。领域的高概率的血液有白色的颜色。概率越低,深颜色的面具,最终到达黑色像素值与血概率等于零。图2展示了面具获得从测试集选择图像。
最后一步是做出决定,是否存在出血在图像基于概率的面具。它是通过简单的阈值的面具和一个适当的值和计算像素保持零。如果超过1%的图像像素高于阈值,图像被认为是一个流血的情况。为了解决两个学位的血液颜色范围提出了[2],两个阈值值定义,实际上会导致两种不同的描述符。他们可以被称为“准确的血液颜色”描述符和“血液颜色描述符”。描述符的阈值被设置为100,50岁,分别与255年的最大面具像素值。训练集和测试集的结果获得了在表I和II。表中的列表示以下措施:
B (F我= 1)出血图片的一部分功能介绍(描述符返回true值)
N (F我= 1)的正常图像的特性
结核病的出血图像特征
FN的出血图像特征缺席
TN的浸渍图像特征缺席
FB的浸渍的图像特征

四、讨论
的效率通过颜色特征描述符内窥镜出血绝对是令人满意的。“确切的血液颜色”描述符转向完全排斥的出血图片,这意味着它没有返回true值浸渍的形象。同时,高达70的74个总出血图像检测到的描述符。反过来,“接近血液颜色描述符能覆盖所有但出血病例,包括浸渍的只有6个图片。因此这两个描述符实现的期望在前面实验[2]。处理功能都反映在预期的程度。在大多数指标,实现结果甚至高于必需的,特别是考虑到正常的图像。只有在“准确的血液颜色”功能的情况下,效率在出血图片略低。这表明阈值参数可能应该被设置为较高的值。因此,正常的图像性能可能会减少一些。 It is also notable how well the blood probability mask performed. Their accuracy turned out too be quite high, which is demonstrated in the 4 sample images. The accuracy also remained stable on the rest of images. This property can be further employed for precisely marking the location of bleeding in the analyzed image. In summary, the method is to significantly contribute to the expected efficiency of the constructed bleeding detection system, providing the anticipated discrimination power.

诉的结论
这个工作的动机是为了设计一个简单但有效的方法识别血从正常的像素。为此提出了两个描述符,实现效率结果略高于理论假定的考虑。进一步的努力可能会导致扩展描述符为额外的效率增益自适应版本,特别是当考虑新的图像从其他内窥镜设备,这可能会引入额外的颜色差异。

表乍一看
表的图标 表的图标
表1 表2

数据乍一看
图1 图2
图1 图2

引用








全球技术峰会