一種圖像智能識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及圖像識別，特別設(shè)及一種醫(yī)學圖像智能識別方法。
【背景技術(shù)】
[0002] 圖像識別是計算機視覺領(lǐng)域中最活躍的領(lǐng)域之一，主要研究目標在于利用計算機 的強大運算能力，幫助人類自動處理海量物理信息，識別各種不同模式的目標代替人的部 分腦力勞動。圖像識別綜合了很多學科內(nèi)容，其中包括計算機科學與技術(shù)、物理學、統(tǒng)計學 W及神經(jīng)生物學等，廣泛應(yīng)用于地質(zhì)勘探、圖像遙感、機器人視覺、生物醫(yī)學等多個領(lǐng)域。圖 像識別首先對目標圖像進行特征點檢測，然后再對特征點進行描述，最后通過特征點匹配 來確定目標圖像對應(yīng)樣本庫中最相似的圖像。圖像識別技術(shù)在個人計算機W及嵌入式終端 設(shè)備上也已有很多成熟的應(yīng)用案例，隨著終端功能的不斷增強，該技術(shù)也逐漸被應(yīng)用到智 慧醫(yī)療終端。但智慧醫(yī)療終端本身的弱處理能力和低內(nèi)存的局限性對計算復(fù)雜的識別方 法提出了考驗。相對于現(xiàn)在配備高速處理巧片和大容量存儲巧片的服務(wù)器，智慧醫(yī)療終端 還存在不足；較低的圖像分辨率、缺少?？诘膱D形加速器、沒有浮點運算單元、尤其是低端 處理器和低容量存儲器等，限制了在智能終端上進行復(fù)雜運算和大規(guī)模計算。如果依靠客 戶-服務(wù)器（C/巧模型，只在醫(yī)療終端獲取圖像和顯示結(jié)果，而在PC端完成特征點提取、匹 配等計算量大的復(fù)雜方法，通過無線通信進行交互，易受到無線網(wǎng)絡(luò)的影響，在網(wǎng)絡(luò)擁塞的 情況下效果較差。

【發(fā)明內(nèi)容】

[0003] 為解決上述現(xiàn)有技術(shù)所存在的問題，本發(fā)明提出了一種圖像智能識別方法，包 括：
[0004] 通過所述醫(yī)療終端的加速度計獲取所捕獲圖像的重屯、方向信息；
[0005] 在檢測圖像特征點過程中，利用帶重屯、方向的特征角點進行圖像自然特征的匹 配。
[0006] 優(yōu)選地，所述通過所述醫(yī)療終端的加速度計獲取所捕獲圖像的重屯、方向信息，進 一步包括：
[0007] 將醫(yī)療終端的圖像捕獲裝置坐標系中的重屯、方向依據(jù)圖像捕獲裝置成像模型投 射到圖像平面，得到特征點的重屯、方向，對特征點沿重屯、方向?qū)R，計算重屯、方向與特征點 鄰域像素亮度的主方向之間夾角，將其作為特征點的一個描述。
[000引優(yōu)選地，所述利用帶重屯、方向的特征角點進行圖像自然特征的匹配，進一步包 括：
[0009] 首先設(shè)定一個闊值，判斷夾角差的絕對值是否小于該闊值；再進行最短距離捜索； 加速度計為每一圖像提供重屯、方向，用=維矢量g= [g,，gy，gjT表示，在圖像捕獲裝置坐 標系中對g進行正則化II gII =1，并將重屯、矢量投影到圖像所在二維平面上，計算投影平 面的圖像像素點P重屯、方向圖像中點P = [U，V，1]T處的重屯、方向矢量為d = p'-p，其中d =[du，dv，0]T為點p處的重屯、方向，p'由下式計算得出；
[0010] P'二 p+Kg
[0011] 其中K為終端圖像捕獲裝置的內(nèi)參矩陣，d通過的近似方法求得：
[001 2] d = [gx (Pu_U) +fugx，gx (Pv_V) +fvgy，0] T
[0013] 由d可計算出圖像中像素點重屯、方向的角度為
[0014] 0 g= arctan (d ydj
[001引其中[Pu，Py]T是主點坐標，f u、fy是水平與垂直方向的焦距。
[0016] 本發(fā)明相比現(xiàn)有技術(shù)，具有W下優(yōu)點：
[0017] 本發(fā)明提出了一種適用于移動終端的圖像智能識別方法，識別速度快，內(nèi)存的占 用量少，識別準確率也較高，適合移動平臺的視覺捜索。
【附圖說明】
[001引圖1是根據(jù)本發(fā)明實施例的圖像智能識別方法的流程圖。
【具體實施方式】
[0019] 下文與圖示本發(fā)明原理的附圖一起提供對本發(fā)明一個或者多個實施例的詳細描 述。結(jié)合該樣的實施例描述本發(fā)明，但是本發(fā)明不限于任何實施例。本發(fā)明的范圍僅由權(quán) 利要求書限定，并且本發(fā)明涵蓋諸多替代、修改和等同物。在下文描述中闡述諸多具體細節(jié) W便提供對本發(fā)明的透徹理解。出于示例的目的而提供該些細節(jié)，并且無該些具體細節(jié)中 的一些或者所有細節(jié)也可W根據(jù)權(quán)利要求書實現(xiàn)本發(fā)明。
[0020] 圖1是根據(jù)本發(fā)明實施例的圖像智能識別方法流程圖。本發(fā)明提出了一種適用 于智慧醫(yī)療終端的識別方法，通過使用基于尺度空間的角點檢測方法和SURF描述算子解 決了智慧醫(yī)療終端本身的處理能力和內(nèi)存容量問題，再通過帶重屯、方向的特征角點降低圖 像內(nèi)部相似特征失配問題；最后，建立描述算子多級索引結(jié)構(gòu)，完成相似描述算子的快速捜 索。
[0021] 目前智慧醫(yī)療終端發(fā)展非常迅速，集成高速處理巧片、大容量存儲器、內(nèi)置了攝像 頭，甚至一些高端的設(shè)備中還集成了加速度計等。該些性能不斷提高的硬件設(shè)備，給計算機 視覺和圖像處理領(lǐng)域帶來了新的發(fā)展空間，許多原來運行在PC上的計算機視覺方法，通過 改進和優(yōu)化，能有效的運行的智慧醫(yī)療終端的平臺上。圖像智能識別方法的特征點檢測和 特征點描述方法分別從計算量和內(nèi)存空間兩方面進行考慮，使方法滿足計算量小、占用空 間低等特性，適合智慧醫(yī)療終端。
[0022] 特征點就是圖像局部區(qū)域中變化最劇烈的部分，本發(fā)明采用提取速度快，計算量 小的特征點檢測方法，適合智慧醫(yī)療終端平臺的同時兼顧了提取方法的實時性。本發(fā)明的 特征點檢測方法通過捜索圖像尺度空間中非極大值抑制的角點來實現(xiàn)。首先在圖像各尺度 層捜索突出性的角點，作為候選特征點；再對候選特征點集，在其尺度空間相鄰的上下兩層 的鄰域內(nèi)實行非極大值抑制，剔除一些非極大值的點，剩下的就是在尺度空間的鄰域中具 有獨特性的唯一的特征點。
[0023] 在離散尺度空間中的每一層捜尋角點，使用像素亮度作為比較指標，衡量待測點 的突出性。如果中屯、點與鄰域點的亮度差小于預(yù)定義灰度闊值，則確定為中屯、點與鄰域亮 度相近，即不滿足顯著亮或暗的條件。鄰域的選擇則要根據(jù)應(yīng)用平臺w及需求來定，常用的 有5-8、8-12、9-16的模板。在待測點同層的16個點組成的鄰域中，即至少有9個鄰域點的 灰度全大于或者全小于待測的中屯、點的亮度，便認為中屯、點在鄰域中具有突出性，將納入 候選特征點中。
[0024] 將尺度空間中所有捜索到的角點作為候選特征點，再對所有候選特征點在尺度鄰 層實施非極大值抑制。最后被確認為特征點的像素點P。，它在尺度空間的上下鄰層中對應(yīng) 的點P。_1和P。+在其各自的尺度層上也應(yīng)該具有突出性。
[0025] 智慧醫(yī)療終端上的眾多的傳感器為提取更有區(qū)分能力的圖像特征點提供了條件， 利用重屯、在一定程度能夠解決上述的問題。按照重屯、方向?qū)R后，局部特征的正則化區(qū)域 之間的差異