胶囊内镜的图像处理方法、装置、设备及存储介质

1.本发明涉及图像处理技术领域，尤其涉及一种胶囊内镜的图像处理方法、装置、设备及存储介质。

背景技术：

2.无线胶囊内窥镜(wireless capsule endoscopy，wce)是检查小肠病变的主流方法。临床上，胶囊内镜通过吞服的方式进入人体，在人体内以固定的帧率拍摄全程消化道场景图像，一次胶囊内镜检查将产生上万帧图像，其中含有大量无用的临床信息，且由于胃肠蠕动特性使得胶囊内镜出现向后运动以及拍摄速率等原因会产生大量包含相似场景的冗余图像，不具备诊断价值。医生需要3-5个小时才能在一次病例中识别出病灶图像，长时间关注大量相似图像容易出现视觉疲劳，不仅费时又增加了误诊和漏诊的可能性。而随着技术的不断发展，为了更全面地捕捉图像，医用胶囊内窥镜已经实现了更高的帧率和图像分辨率，这意味着每个病人的图像数量将呈指数增长，但实际上图像数量中存在多张高相似性的图像，医生的阅片工作量大大增加。

技术实现要素：

3.本发明的主要目的在于提供一种胶囊内镜的图像处理方法、装置、设备及存储介质，旨在解决现有技术如何对胶囊内镜图像进行高效过滤的技术问题。
4.为实现上述目的，本发明提供了一种胶囊内镜的图像处理方法，所述胶囊内镜的图像处理方法包括：
5.获取胶囊内镜的多个采集图像；
6.对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像；
7.根据各初始处理图像生成各初始处理图像对应的初始图结构；
8.根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果；
9.根据各相似性评估结果对各采集图像进行筛选，得到目标图像集。
10.可选地，所述对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像，包括：
11.获取各采集图像的像素点；
12.根据各像素点和预设划分形状确定各采集图像中的无效区域和有效区域；
13.根据所述无效区域的像素点和所述有效区域的边界确定所述无效区域的各像素点映射后的目标坐标；
14.根据所述目标坐标对所述无效区域进行填充，得到初始填充图像；
15.对所述初始填充图像进行超像素分割，得到各采集图像对应的初始处理图像。
16.可选地，所述根据所述无效区域的像素点和所述有效区域的边界确定所述无效区域的各像素点映射后的目标坐标，包括：
17.计算所述无效区域的各像素点与所述有效区域的边界之间的距离值；
18.计算所述无效区域的各像素点与所述无效区域对应的采集图像的中心点坐标之间的偏离角度值；
19.根据所述距离值和所述偏离角度值确定所述无效区域的各像素点映射后的目标坐标。
20.可选地，所述对所述初始填充图像进行超像素分割，得到各采集图像对应的初始处理图像，包括：
21.根据聚类中心选取规则和所述初始填充图像确定多个聚类中心；
22.根据各聚类中心对所述初始填充图像进行划分，得到所述初始填充图像对应的多个超像素区域；
23.根据中心计算规则确定各超像素区域的目标聚类中心；
24.根据所述目标聚类中心和预设搜索范围计算各像素点与目标聚类中心的距离度量；
25.根据所述距离度量对各超像素区域中的各像素点进行合并聚类，得到各采集图像对应的初始处理图像。
26.可选地，所述根据各初始处理图像生成各初始处理图像对应的初始图结构，包括：
27.根据各初始处理图像对应的多个分割聚类中心对各初始处理图形进行图像划分，得到多个分割图像块；
28.根据预设卷积自编码器对各分割图像块进行特征提取，得到各分割图像块的节点特征；
29.根据多个分割聚类中心中任意两个分割聚类中心之间的相对距离确定各分割图像块的边特征；
30.根据各分割图像块的节点特征和边特征生成各初始处理图像对应的初始图结构。
31.可选地，所述根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果，包括：
32.获取各初始图结构对应的采集图像的采集时间；
33.根据预设评估网络对各初始图结构进行特征提取映射，得到各初始图结构的低维向量；
34.对各初始图结构的低维向量按照对应的采集时间进行相似度计算，得到各初始图结构之间的欧式距离；
35.根据所述欧式距离确定各初始图结构之间的相似性评估结果。
36.可选地，所述根据相似性评估结果对各采集图像进行筛选，得到目标图像集，包括：
37.根据所述相似性评估结果确定各采集图像中的冗余图像；
38.根据所述冗余图像和各采集图像获取所述各采集图像中的多个关键图像帧；
39.根据多个关键图像帧构建目标图像集。
40.此外，为实现上述目的，本发明还提出一种胶囊内镜的图像处理装置，所述胶囊内镜的图像处理装置包括：
41.获取模块，用于获取胶囊内镜的多个采集图像；
42.处理模块，用于对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像；
43.生成模块，用于根据各初始处理图像生成各初始处理图像对应的初始图结构；
44.评估模块，用于根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果；
45.筛选模块，用于根据各相似性评估结果对各采集图像进行筛选，得到目标图像集。
46.此外，为实现上述目的，本发明还提出一种胶囊内镜的图像处理设备，所述胶囊内镜的图像处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的胶囊内镜的图像处理程序，所述胶囊内镜的图像处理程序配置为实现如上文所述的胶囊内镜的图像处理方法。
47.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有胶囊内镜的图像处理程序，所述胶囊内镜的图像处理程序被处理器执行时实现如上文所述的胶囊内镜的图像处理方法。
48.本发明通过获取胶囊内镜的多个采集图像；对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像；根据各初始处理图像生成各初始处理图像对应的初始图结构；根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果；根据各相似性评估结果对各采集图像进行筛选，得到目标图像集。通过对各采集图像进行预处理，并生成各初始处理图像对应的初始图结构，基于预设评估网络对初始图结构进行相似性评估，得到初始图结构之间的相似性评估结果，根据相似性评估结果对采集图像进行筛选，从而在相似度高的多张采集图像中保留一张采集图像即可，实现了对胶囊内镜采集图像的高效过滤，并极大减少临床医生阅片的数量，减轻工作量。
附图说明
49.图1是本发明实施例方案涉及的硬件运行环境的胶囊内镜的图像处理设备的结构示意图；
50.图2为本发明胶囊内镜的图像处理方法第一实施例的流程示意图；
51.图3为本发明胶囊内镜的图像处理方法一实施例的预设卷积自编码器结构示意图；
52.图4为本发明胶囊内镜的图像处理方法一实施例的初始图结构示意图；
53.图5为本发明胶囊内镜的图像处理方法一实施例的预设评估网络示意图；
54.图6为本发明胶囊内镜的图像处理方法第二实施例的流程示意图；
55.图7为本发明胶囊内镜的图像处理方法一实施例的无效区域示意图；
56.图8为本发明胶囊内镜的图像处理方法一实施例的填充示意图；
57.图9为本发明胶囊内镜的图像处理装置第一实施例的结构框图。
58.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
59.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
60.参照图1，图1为本发明实施例方案涉及的硬件运行环境的胶囊内镜的图像处理设
备结构示意图。
61.如图1所示，该胶囊内镜的图像处理设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
62.本领域技术人员可以理解，图1中示出的结构并不构成对胶囊内镜的图像处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
63.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及胶囊内镜的图像处理程序。
64.在图1所示的胶囊内镜的图像处理设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明胶囊内镜的图像处理设备中的处理器1001、存储器1005可以设置在胶囊内镜的图像处理设备中，所述胶囊内镜的图像处理设备通过处理器1001调用存储器1005中存储的胶囊内镜的图像处理程序，并执行本发明实施例提供的胶囊内镜的图像处理方法。
65.本发明实施例提供了一种胶囊内镜的图像处理方法，参照图2，图2为本发明一种胶囊内镜的图像处理方法第一实施例的流程示意图。
66.胶囊内镜的图像处理方法包括以下步骤：
67.步骤s10：获取胶囊内镜的多个采集图像。
68.需要说明的是，本实施例的执行主体为终端设备，终端设备可为电脑或其他智能终端设备，终端设备可与胶囊内镜进行无线连接，可获取胶囊内镜采集的多个采集图像，并对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像，根据各初始处理图像生成各初始处理图像对应的初始图结构，根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果，根据各相似性评估结果对各采集图像进行筛选，得到目标图像集。
69.可以理解的是，胶囊内镜指的是通过吞服的方式进入人体之后，能够在人体内以固定的帧率拍摄全程消化道场景图像的设备。通过胶囊内镜检测时，会产生大量的消化道场景图像，多个采集图像即为单次胶囊内镜检测结束后胶囊内镜所采集到的全部消化道场景图像。
70.步骤s20：对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像。
71.需要说明的是，预处理指的是对各采集图像进行圆形镜像和slic(simple linear iterative clustering，简单线性迭代聚类)超像素分割操作，初始处理图像指的是对各采集图像进行预处理后得到的标注有超像素分割区域以及多个聚类中心的图像。终端设备在得到各采集图像后，对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像。
72.步骤s30：根据各初始处理图像生成各初始处理图像对应的初始图结构。
73.需要说明的是，图是一种非线性的数据结构，是一系列节点的集合，这些节点通过
80.需要说明的是，预设评估网络指的是siamgcn(siamese graph convolutional networ，孪生图卷积神经网络)网络，预设评估网络由两个并行且具有共享权重的gcn(graph convolutional network，图卷积神经网络)和全连接层组成，通过gcn提取图的深度特征，全连接层将提取到的特征映射到低维向量，最终通过欧几里得距离(欧氏距离)将计算向量的距离以评估两个图是否相似。gcn将对图结构中顶点的特征进行提取，以完成后续的顶点分类、图分类和边预测等一系列任务。若无向图g＝{v,e}中有n个节点，节点为连接节点的边为每个节点包含d维特征，则根据各节点v之间的边e构成n
×
n维的邻接矩阵a，通过训练卷积核的参数，用每个节点与相邻节点的卷积结果，更新节点的特征，从而实现特征提取。gcn网络中每层图卷积的输出计算公式如下：
81.式中a为图的邻接矩阵，i为单位矩阵；为a的度矩阵；h
l
为l层节点的特征，若为输入层，则h
l
即为节点的初始特征；w
l
为l层图卷积的权重；σ为激活函数。
82.可以理解的是，在预设评估网络中，对于两个待评估的初始图结构g1、g2，其中图对(g1,g2,t)，t代表标签，网络的损失函数定义为：loss＝max(0,γ-t(1-d(g1,g2)))，式中t∈(-1,1)，1代表两个待评估的初始图结构相似，-1表示不相似；d(g1,g2)为两个待评估的初始图结构间的欧氏距离；γ为边缘参数，当两个待评估的初始图结构相似时，损失函数使得网络计算的欧式距离d《1-γ，当两个待评估的初始图结构不相似时，损失函数使得欧式距离d》1+γ，最终使得训练后的siamgcn网络输出的欧式距离更易区分，在本实施例中γ＝1，预设评估网络结构如图5所示。
83.在具体实现中，根据预设评估网络按照各初始图结构对应的采集图像的采集时间对各初始图结构进行相似性评估，得到相邻两个初始图结构是否相似的结果，相邻两个初始图结构是否相似的结果即为相似性评估结果。
84.需要说明的是，为了保证相似性评估结果的准确性，进一步地，所述根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果，包括：获取各初始图结构对应的采集图像的采集时间；根据预设评估网络对各初始图结构进行特征提取映射，得到各初始图结构的低维向量；对各初始图结构的低维向量按照对应的采集时间进行相似度计算，得到各初始图结构之间的欧式距离；根据所述欧式距离确定各初始图结构之间的相似性评估结果。
85.可以理解的是，获取各初始图结构对应的采集图像的采集时间，根据预设评估网络中的gcn各初始图结构进行特征提取，并通过预设评估网络中的全连接层将提取到的特征映射到以为向量，最终得到各初始图结构的低维向量，按照采集时间将第一帧采集图像对应的初始图结构和第二帧采集图像对应的初始图结构进行相似度计算，得到二者之间的欧式距离，基于欧式距离和预设阈值得到二者是否相似的评估结果。
86.步骤s50：根据各相似性评估结果对各采集图像进行筛选，得到目标图像集。
87.需要说明的是，在得到相似性评估结果后，基于相似性评估结果对采集图像进行筛选，基于筛选后的采集图像得到目标图像集，医生根据目标图像集进行阅片即可。
88.可以理解的是，为了构建准确的目标图像集，进一步地，所述根据相似性评估结果对各采集图像进行筛选，得到目标图像集，包括：根据所述相似性评估结果确定各采集图像中的冗余图像；根据所述冗余图像和各采集图像获取所述各采集图像中的多个关键图像帧；根据多个关键图像帧构建目标图像集。
89.在具体实现中，当相似性评估结果中的欧式距离小于预设阈值时，则说明相似性评估结果确定进行评估的两个初始图结构对应的采集图像相似，获取其对应的采集图像对应的采集时间，将采集的采集图像确定为冗余图像，将冗余图像全部确定后，各采集图像中剩余的图像即为关键帧，最终得到多个关键图像帧，根据多个关键图像帧构建目标图像集。
90.需要说明的是，具体的筛选流程为按照采集图像的采集时间生成采集编号，按照编号顺序将初始图结构依次输入预设评估网络，第一帧采集图像对应的初始图结构和第二帧采集图像对应的初始图结构为第一图像对，第一帧采集图像对应的初始图结构为参考图像，第二帧采集图像对应的初始图结构为目标图像，将第一图像对输入预设评估网络进行相似性评估，当相似性评估结果中欧式距离小于预设阈值时，说明第一图像对相似，则将目标图像标记为冗余图像，当第二帧采集图像标记为冗余图像时，将第三帧采集图像对应的初始图结构作为目标图像，将第一帧采集图像对应的初始图结构作为参考图像，将第一帧采集图像对应的初始图结构和第三帧采集图像对应的初始图结构最为第二图像对输入预设评估网络进行相似性评估；当第一图像对不相似时，将第二帧采集图像标记为参考图像，将第一帧采集图像和第二帧采集图像均保留，将第三帧采集图像对应的初始图结构作为目标图像，将第二帧采集图像对应的初始图结构和第三帧采集图像对应的初始图结构最为第二图像对输入预设评估网络进行相似性评估，根据上一图像对的相似性评估结果生成下一待评估的图像对，直至所有采集图像的均具有对应的相似性评估结果，根据上述流程筛查出采集图像中的冗余图像(不从编号序列中删除以保证所以采集图像编号序列的完整性)，输出其他图像作为图像关键帧构建目标图像集。
91.本实施例通过获取胶囊内镜的多个采集图像；对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像；根据各初始处理图像生成各初始处理图像对应的初始图结构；根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果；根据各相似性评估结果对各采集图像进行筛选，得到目标图像集。通过对各采集图像进行预处理，并生成各初始处理图像对应的初始图结构，基于预设评估网络对初始图结构进行相似性评估，得到初始图结构之间的相似性评估结果，根据相似性评估结果对采集图像进行筛选，从而在相似度高的多张采集图像中保留一张采集图像即可，实现了对胶囊内镜采集图像的高效过滤，并极大减少临床医生阅片的数量，减轻工作量。
92.参考图6，图6为本发明一种胶囊内镜的图像处理方法第二实施例的流程示意图。
93.基于上述第一实施例，本实施例胶囊内镜的图像处理方法中所述步骤s20，包括：
94.步骤s21：获取各采集图像的像素点。
95.需要说明的是，对各采集图像的像素点进行一一识别，从而获取各采集图像的像素点。
96.步骤s22：根据各像素点和预设划分形状确定各采集图像中的无效区域和有效区域。
97.需要说明的是，无效区域指的是各采集图像中的黑区域，该黑区域中并不包
含消化道场景内容，有效区域指的是各采集图像中不为黑区域的图像部分。并基于预设划分形状对各采集图像进行区域划分，在本实施例中以圆形为预设划分形状，将无效区域和有效区域进行分割，如图7所示。
98.步骤s23：根据所述无效区域的像素点和所述有效区域的边界确定所述无效区域的各像素点映射后的目标坐标。
99.需要说明的是，根据无效区域中的各像素点和有效区域的边界确定无效区域各像素点映射后的新坐标，映射后的新坐标即为目标坐标。
100.可以理解的是，为了得到准确的目标坐标，进一步地，所述根据所述无效区域的像素点和所述有效区域的边界确定所述无效区域的各像素点映射后的目标坐标，包括：计算所述无效区域的各像素点与所述有效区域的边界之间的距离值；计算所述无效区域的各像素点与所述无效区域对应的采集图像的中心点坐标之间的偏离角度值；根据所述距离值和所述偏离角度值确定所述无效区域的各像素点映射后的目标坐标。
101.在具体实现中，计算无效区域内各像素点与有效区域的边界之间的距离值，并计算无效区域内各像素点相对于采集图像的中心点坐标之间的偏离角度值)，基于偏离角度值和距离值即可得到无效区域各像素点映射到有效区域内的目标坐标(x
new
,y
new
)，其中x
new
＝(d-r)
×
cosθ，y
new
＝(d-r)
×
sinθ，d为各像素点距采集图像的中心点坐标的距离，r为圆形区域半径，本实施例中取105，θ为各像素点与采集图像的中心点坐标所成夹角，取值范围为[-π,+π]。
[0102]
步骤s24：根据所述目标坐标对所述无效区域进行填充，得到初始填充图像。
[0103]
需要说明的是，在得到无效区域的各像素点映射到有效区域内的目标坐标后，采用圆形镜像操作对无效区域进行填充，从而得到初始填充图像，如图8所示。
[0104]
步骤s25：对所述初始填充图像进行超像素分割，得到各采集图像对应的初始处理图像。
[0105]
需要说明的是，超像素分割指的是根据像素的颜差异、纹理和亮度特征等将相似的相邻像素点聚集起来，用少量超像素代替原有像素点，生成一系列具有一定视觉意义的不规则像素块。超像素分割利用像素之间特征的相似性将像素分组,用少量的超像素代替大量的像素来表达图片特征,这些小区域保留了图像的有效信息，且一般不会破坏图像中物体的边界信息。本实施例中采用的超像素分割算法为simple linear iterative clustering(slic)，即简单线性迭代聚类(也可采用其他超像素分割方法)，slic相较其他超像素分割方法，具有运行速度快、生成超像素形状大小均匀、不仅可以分割彩图像也可分割灰度图的优势。slic算法处理彩图像的基本思想为，基于lab彩空间构造的距离度量标准在局部范围内对像素点进行k-means聚类。
[0106]
可以理解的是，对初始填充图像进行超像素分割，从而得到各采集图像对应的初始处理图像(标注有超像素分割区域以及多个聚类中心的采集图像)。
[0107]
在具体实现中，为了进行精准分割，进一步地，所述对所述初始填充图像进行超像素分割，得到各采集图像对应的初始处理图像，包括：根据聚类中心选取规则和所述初始填充图像确定多个聚类中心；根据各聚类中心对所述初始填充图像进行划分，得到所述初始填充图像对应的多个超像素区域；根据中心计算规则确定各超像素区域的目标聚类中心；根据所述目标聚类中心和预设搜索范围计算各像素点与目标聚类中心的距离度量；根据所
述距离度量对各超像素区域中的各像素点进行合并聚类，得到各采集图像对应的初始处理图像。
[0108]
需要说明的是，在本实施例中聚类中心选取规则指的是在随机选取，根据聚类中心选取规则和初始填充图像在初始填充图像中随机选取k个聚类中心，根据选取的多个聚类中心对初始填充图像进行划分，得到多个超像素区域。即在初始填充图像中随机选取k个聚类中心，将初始填充图像划分为k个超像素区域块，假设初始填充图像中有n个像素点，则每个超像素区域面积为s*s，其中在本实施例中k取36，也可取其他值，本实施例对此不加以限制。
[0109]
可以理解的是，中心计算规则指的是将多个超像素区域中的聚类中心初始化的规则。在各初始处理图像的每个超像素区域中随机采样一个像素点作为聚类中心ci＝[li,ai,bi,xi,yi]
t
(i＝1,2,
…
,k)，此外，为避免初始化的采样点出现在噪声或者边缘部分，在它的局部区域n*n(通常n＝3)范围内计算临近像素点的梯度，并将梯度最小的点作为新的聚类中心，梯度最小的点即为每个超像素区域的目标聚类中心。
[0110]
在具体实现中，在得到目标聚类中心后，基于slic算法在聚类中心的预设搜索范围内进行局部搜索，搜索过程中将相似度高的像素点合并为一类，极大节省了计算量。在labxy彩空间下，像素点的颜特征表示为[l,a,b]
t
，空间特征表示为[x,y]
t
，根据上述向量计算像素点与聚类中心的距离度量d'，计算公式如下:
[0111][0111]
式中代表空间特征距离最大值，nc表示颜特征距离最大值。令nc＝m，m取值越大，形成的超像素区域块紧密程度越高，大小和形状越规则；m取值越小，形成的超像素区域块与图像的边缘贴合度越高，对应形状越不规则。
[0112]
需要说明的是，在得到距离度量后，根据距离度量标准在预设搜索范围内对各像素点进行重新聚类，更新每个像素点所属于的图像块，然后将同一个图像块像素点求平均，得到新的聚类中心。重复上述步骤，直至结果收敛或达到指定的迭代次数后停止运算。最终得到重新聚类后的多个聚类中心和超像素区域的图像，标注有重新聚类后的多个聚类中心和超像素区域的图像即为初始处理图像。
[0113]
本实施例中通过获取各采集图像的像素点；根据各像素点和预设划分形状确定各采集图像中的无效区域和有效区域；根据所述无效区域的像素点和所述有效区域的边界确定所述无效区域的各像素点映射后的目标坐标；根据所述目标坐标对所述无效区域进行填充，得到初始填充图像；对所述初始填充图像进行超像素分割，得到各采集图像对应的初始处理图像。通过对各采集图像进行预处理，得到处理后的初始处理图像，保证了后续图像相似性评估的精准性。
[0114]
此外，参照图9，本发明实施例还提出一种胶囊内镜的图像处理装置，所述胶囊内镜的图像处理装置包括：
[0115]
获取模块10，用于获取胶囊内镜的多个采集图像。
[0116]
处理模块20，用于对各采集图像进行图像预处理，得到各采集图像对应的初始处
理图像。
[0117]
生成模块30，用于根据各初始处理图像生成各初始处理图像对应的初始图结构。
[0118]
评估模块40，用于根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果。
[0119]
筛选模块50，用于根据各相似性评估结果对各采集图像进行筛选，得到目标图像集。
[0120]
本实施例通过获取胶囊内镜的多个采集图像；对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像；根据各初始处理图像生成各初始处理图像对应的初始图结构；根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果；根据各相似性评估结果对各采集图像进行筛选，得到目标图像集。通过对各采集图像进行预处理，并生成各初始处理图像对应的初始图结构，基于预设评估网络对初始图结构进行相似性评估，得到初始图结构之间的相似性评估结果，根据相似性评估结果对采集图像进行筛选，从而在相似度高的多张采集图像中保留一张采集图像即可，实现了对胶囊内镜采集图像的高效过滤，并极大减少临床医生阅片的数量，减轻工作量。
[0121]
在一实施例中，所述处理模块20，还用于获取各采集图像的像素点；
[0122]
根据各像素点和预设划分形状确定各采集图像中的无效区域和有效区域；
[0123]
根据所述无效区域的像素点和所述有效区域的边界确定所述无效区域的各像素点映射后的目标坐标；
[0124]
根据所述目标坐标对所述无效区域进行填充，得到初始填充图像；
[0125]
对所述初始填充图像进行超像素分割，得到各采集图像对应的初始处理图像。
[0126]
在一实施例中，所述处理模块20，还用于计算所述无效区域的各像素点与所述有效区域的边界之间的距离值；
[0127]
计算所述无效区域的各像素点与所述无效区域对应的采集图像的中心点坐标之间的偏离角度值；
[0128]
根据所述距离值和所述偏离角度值确定所述无效区域的各像素点映射后的目标坐标。
[0129]
在一实施例中，所述处理模块20，还用于根据聚类中心选取规则和所述初始填充图像确定多个聚类中心；
[0130]
根据各聚类中心对所述初始填充图像进行划分，得到所述初始填充图像对应的多个超像素区域；
[0131]
根据中心计算规则确定各超像素区域的目标聚类中心；
[0132]
根据所述目标聚类中心和预设搜索范围计算各像素点与目标聚类中心的距离度量；
[0133]
根据所述距离度量对各超像素区域中的各像素点进行合并聚类，得到各采集图像对应的初始处理图像。
[0134]
在一实施例中，所述生成模块30，还用于根据各初始处理图像对应的多个分割聚类中心对各初始处理图形进行图像划分，得到多个分割图像块；
[0135]
根据预设卷积自编码器对各分割图像块进行特征提取，得到各分割图像块的节点特征；
[0136]
根据多个分割聚类中心中任意两个分割聚类中心之间的相对距离确定各分割图像块的边特征；
[0137]
根据各分割图像块的节点特征和边特征生成各初始处理图像对应的初始图结构。
[0138]
在一实施例中，所述评估模块40，还用于获取各初始图结构对应的采集图像的采集时间；
[0139]
根据预设评估网络对各初始图结构进行特征提取映射，得到各初始图结构的低维向量；
[0140]
对各初始图结构的低维向量按照对应的采集时间进行相似度计算，得到各初始图结构之间的欧式距离；
[0141]
根据所述欧式距离确定各初始图结构之间的相似性评估结果。
[0142]
在一实施例中，所述筛选模块50，还用于根据所述相似性评估结果确定各采集图像中的冗余图像；
[0143]
根据所述冗余图像和各采集图像获取所述各采集图像中的多个关键图像帧；
[0144]
根据多个关键图像帧构建目标图像集。
[0145]
由于本装置采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
[0146]
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有胶囊内镜的图像处理程序，所述胶囊内镜的图像处理程序被处理器执行时实现如上文所述的胶囊内镜的图像处理方法的步骤。
[0147]
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
[0148]
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
[0149]
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的胶囊内镜的图像处理方法，此处不再赘述。
[0150]
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0151]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0152]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0153]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：

1.一种胶囊内镜的图像处理方法，其特征在于，所述胶囊内镜的图像处理方法包括：获取胶囊内镜的多个采集图像；对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像；根据各初始处理图像生成各初始处理图像对应的初始图结构；根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果；根据各相似性评估结果对各采集图像进行筛选，得到目标图像集。2.如权利要求1所述的胶囊内镜的图像处理方法，其特征在于，所述对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像，包括：获取各采集图像的像素点；根据各像素点和预设划分形状确定各采集图像中的无效区域和有效区域；根据所述无效区域的像素点和所述有效区域的边界确定所述无效区域的各像素点映射后的目标坐标；根据所述目标坐标对所述无效区域进行填充，得到初始填充图像；对所述初始填充图像进行超像素分割，得到各采集图像对应的初始处理图像。3.如权利要求2所述的胶囊内镜的图像处理方法，其特征在于，所述根据所述无效区域的像素点和所述有效区域的边界确定所述无效区域的各像素点映射后的目标坐标，包括：计算所述无效区域的各像素点与所述有效区域的边界之间的距离值；计算所述无效区域的各像素点与所述无效区域对应的采集图像的中心点坐标之间的偏离角度值；根据所述距离值和所述偏离角度值确定所述无效区域的各像素点映射后的目标坐标。4.如权利要求2所述的胶囊内镜的图像处理方法，其特征在于，所述对所述初始填充图像进行超像素分割，得到各采集图像对应的初始处理图像，包括：根据聚类中心选取规则和所述初始填充图像确定多个聚类中心；根据各聚类中心对所述初始填充图像进行划分，得到所述初始填充图像对应的多个超像素区域；根据中心计算规则确定各超像素区域的目标聚类中心；根据所述目标聚类中心和预设搜索范围计算各像素点与目标聚类中心的距离度量；根据所述距离度量对各超像素区域中的各像素点进行合并聚类，得到各采集图像对应的初始处理图像。5.如权利要求1所述的胶囊内镜的图像处理方法，其特征在于，所述根据各初始处理图像生成各初始处理图像对应的初始图结构，包括：根据各初始处理图像对应的多个分割聚类中心对各初始处理图形进行图像划分，得到多个分割图像块；根据预设卷积自编码器对各分割图像块进行特征提取，得到各分割图像块的节点特征；根据多个分割聚类中心中任意两个分割聚类中心之间的相对距离确定各分割图像块的边特征；根据各分割图像块的节点特征和边特征生成各初始处理图像对应的初始图结构。
6.如权利要求1所述的胶囊内镜的图像处理方法，其特征在于，所述根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果，包括：获取各初始图结构对应的采集图像的采集时间；根据预设评估网络对各初始图结构进行特征提取映射，得到各初始图结构的低维向量；对各初始图结构的低维向量按照对应的采集时间进行相似度计算，得到各初始图结构之间的欧式距离；根据所述欧式距离确定各初始图结构之间的相似性评估结果。7.如权利要求1至6任一项所述的胶囊内镜的图像处理方法，其特征在于，所述根据相似性评估结果对各采集图像进行筛选，得到目标图像集，包括：根据所述相似性评估结果确定各采集图像中的冗余图像；根据所述冗余图像和各采集图像获取所述各采集图像中的多个关键图像帧；根据多个关键图像帧构建目标图像集。8.一种胶囊内镜的图像处理装置，其特征在于，所述胶囊内镜的图像处理装置包括：获取模块，用于获取胶囊内镜的多个采集图像；处理模块，用于对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像；生成模块，用于根据各初始处理图像生成各初始处理图像对应的初始图结构；评估模块，用于根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果；筛选模块，用于根据各相似性评估结果对各采集图像进行筛选，得到目标图像集。9.一种胶囊内镜的图像处理设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的胶囊内镜的图像处理程序，所述胶囊内镜的图像处理程序配置为实现如权利要求1至7中任一项所述的胶囊内镜的图像处理方法。10.一种存储介质，其特征在于，所述存储介质上存储有胶囊内镜的图像处理程序，所述胶囊内镜的图像处理程序被处理器执行时实现如权利要求1至7任一项所述的胶囊内镜的图像处理方法。

技术总结

本发明属于图像处理技术领域，公开了一种胶囊内镜的图像处理方法、装置、设备及存储介质。该方法包括：获取胶囊内镜的多个采集图像；对各采集图像进行图像预处理，得到各采集图像对应的初始处理图像；根据各初始处理图像生成各初始处理图像对应的初始图结构；根据预设评估网络对各初始图结构进行相似性评估，得到各初始图结构之间的相似性评估结果；根据各相似性评估结果对各采集图像进行筛选，得到目标图像集。通过上述方式，从而在相似度高的多张采集图像中保留一张采集图像即可，实现了对胶囊内镜采集图像的高效过滤，并极大减少临床医生阅片的数量，减轻工作量。减轻工作量。减轻工作量。