成果介绍
本发明涉及一种内镜图像特征点提取方法,属于图像处理领域,尤其涉及内镜图像特征点提取方法。包括对于有重叠区域的两张图像,利用光流法找出两张图像的重叠区域,将光流法获得的像素匹配关系作为卷积神经网络的参考;然后分别将第一图像和第二图像输入卷积神经网络,从而检测出第一图像和第二图像中的特征点以及特征点对应的描述子;在训练阶段,利用损失函数是否收敛或者是否达到设定的训练次数时,获得最终训练好的模型。本发明是利用卷积神经网络通过学习的方式对消化内镜采集的图像进行特征点提取与描述,以解决传统特征提取方法在消化道采集的图像上特征点提取不足而导致无法完成消化内镜镜头位姿解算的问题。
成果亮点
1.一种内镜图像特征点提取方法,其特征在于:包括
对于有重叠区域的两张图像,利用光流法找出两张图像的重叠区域,并将光流法获得的像素匹配关系作为卷积神经网络的参考;
分别将第一图像和第二图像输入卷积神经网络,从而检测出第一图像和第二图像中的特征点以及特征点对应的描述子;
在训练阶段,利用损失函数是否收敛或者是否达到设定的训练次数时,获得最终训练好的模型。
2.根据权利要求1所述的内镜图像特征点提取方法,其特征在于,所述对于有重叠区域的两张图像,利用光流法找出两张图像的重叠区域具体包括找出第一张图像中属于同一个场景点成的像在第二张图像中的位置。
3.根据权利要求1所述的内镜图像特征点提取方法,其特征在于,所述分别将第一图像和第二图像输入卷积神经网络,从而检测出第一图像和第二图像中的特征点以及特征点对应的描述子输出特征点的分支包括两个特征图,一个特征图关于特征点的可靠性,另一个特征图关于特征点重复性的。
团队介绍
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力,推动我国自主知识产权新工业的建立,成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生AC态系统,由九个研究平台,国科大深圳先进技术学院,多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究,促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
成果资料