基于明暗信息的胶囊内镜图像三维形状恢复

山东大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (6): 63-68.

基于明暗信息的胶囊内镜图像三维形状恢复

付延安1,刘海英1,孟庆虎1,2*

1. 山东大学控制科学与工程学院, 山东济南 250061; 2. 香港中文大学电子工程系, 香港

收稿日期:2012-08-30 出版日期:2012-12-20 发布日期:2012-08-30
通讯作者: 孟庆虎(1962- ),男,山东济南人,教授,博士,博士生导师,主要研究方向为机器人,自动控制,智能传感技术与无线通讯等. E-mail: max@ee.cuhk.edu.hk
作者简介:付延安(1983- ), 男,山东聊城人,博士研究生,主要研究方向为生物医学信号处理,机器视觉. E-mail: fuyanan@mail.sdu.edu.cn
基金资助:
山东大学自主创新基金资助项目(2012ZD016)

3-d shape recovery from vce Image Based on Shading Information

FU Yan-an1, LIU Hai-ying1, MENG Qing-hu1,2*

1. School of Control Science and Engineering, Shandong University, Jinan 250061, China; 2. Department of Electronic Engineering, the Chinese University of Hong Kong, Hong Kong, China

Received:2012-08-30 Online:2012-12-20 Published:2012-08-30

摘要/Abstract

摘要： 利用明暗恢复形状技术,将视频胶囊内镜二维图像的明暗信息重构小肠内腔表面的三维场景信息。针对传统的明暗恢复形状技术的约束条件,提出了一种针对胶囊内镜图像的预处理方法,利用预处理后的图像恢复出更为平滑的视觉场景,同时保留被检查对象的结构信息。基于临床数据的实验结果表明,三维形状恢复技术可以增强胶囊内镜视频的可读性,提高小肠疾病的诊断准确率。

关键词: 视频胶囊内镜, 三维形状恢复, 由明暗恢复形状, 自适应正则化参数, 最小化方法

Abstract: Shape from shading (SFS) technique was used to generate 3-D structures from 2-D capsule endoscopic image. For the assumptions of the SFS technique, a preprocessing method for endoscopic image was proposed. Smooth and visually scene could be created based on the preprocessed endoscopic image, while preserving the structure of the observed objects. Experiments with real capsule endoscopic data demonstrate the 3-D shape enhanced the video and therefore leading to a more accurate diagnosis.

Key words: video capsule endoscopy, 3-D shape recovery, shape from shading, adaptive regularization parameter, minimization method

中图分类号:

TP391.4

付延安1,刘海英1,孟庆虎1,2*. 基于明暗信息的胶囊内镜图像三维形状恢复[J]. 山东大学学报(工学版), 2012, 42(6): 63-68.

FU Yan-an1, LIU Hai-ying1, MENG Qing-hu1,2*. 3-d shape recovery from vce Image Based on Shading Information[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2012, 42(6): 63-68.

参考文献

相关文章 15

[1]	王国新,陈凤东,刘国栋. 基于彩色伪随机编码结构光特征提取方法[J]. 山东大学学报(工学版), 2018, 48(5): 55-60.
[2]	张宪红,张春蕊. 基于六维前馈神经网络模型的图像增强算法[J]. 山东大学学报(工学版), 2018, 48(4): 10-19.
[3]	窦婷婷,姚元玺,陈鹏,芦灯. 基于ATP-EMTP的电弧建模及工程仿真[J]. 山东大学学报(工学版), 2018, 48(4): 102-108.
[4]	丁筱玲,赵强,李贻斌,马昕. 基于模板匹配的改进型目标识别算法[J]. 山东大学学报(工学版), 2018, 48(2): 1-7.
[5]	赵晔,何潇,周东华. 带有不准确测量噪声的最小二乘故障估计[J]. 山东大学学报(工学版), 2017, 47(5): 254-262.
[6]	刘岩,李幼军,陈萌. 基于EMD和SVM的抑郁症静息态脑电信号分类研究[J]. 山东大学学报(工学版), 2017, 47(3): 21-26.
[7]	金培培,孙丰荣,刘芳蕾,姚桂华. 基于散斑跟踪技术的超声心动图心动周期估计[J]. 山东大学学报(工学版), 2017, 47(2): 94-99.
[8]	王斌,常发亮,刘春生. 基于多特征融合的交通标志分类[J]. 山东大学学报(工学版), 2016, 46(4): 34-40.
[9]	郭逾,张二华,刘驰. 一种基于频域特征和过渡段判决的端点检测算法[J]. 山东大学学报(工学版), 2016, 46(2): 57-63.
[10]	邹国锋,傅桂霞,李震梅,李海涛,王科俊. 融合二级评价指标的人脸图像质量评价方法[J]. 山东大学学报(工学版), 2016, 46(2): 6-13.
[11]	王娜,陈国栋,陈怡. 基于改进SPH的皮肤表面血流模拟算法[J]. 山东大学学报(工学版), 2016, 46(1): 22-27.
[12]	郭志波, 董健, 庞成. 多技术融合的Mean-Shift目标跟踪算法[J]. 山东大学学报(工学版), 2015, 45(2): 10-16.
[13]	任捷怡, 吴小俊. 一种改进的协方差鉴别学习方法[J]. 山东大学学报(工学版), 2015, 45(1): 9-12.
[14]	朱洪锦, 范洪辉, 叶飞跃, 臧海娟. 基于区域合并与轮廓模型的图像序列人物轮廓分割[J]. 山东大学学报(工学版), 2014, 44(6): 8-14.
[15]	谢志华. 一种新的血流建模方法及其在红外人脸识别中的应用[J]. 山东大学学报(工学版), 2013, 43(5): 1-5.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed