欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

通過置信度匹配重建來自體內(nèi)多相機膠囊的圖像的制作方法

文檔序號:12281309閱讀:223來源:國知局
通過置信度匹配重建來自體內(nèi)多相機膠囊的圖像的制作方法與工藝

本發(fā)明與2013年5月29日所提交的名稱為“Reconstruction of Images from an in vivo Multi-Cameras Capsule”、序號為61/828,653的美國臨時專利申請相關。該美國臨時專利申請整體通過參考包括于此。

技術領域

本發(fā)明涉及對通過體內(nèi)膠囊相機所擷取的圖像的圖像拼接以及它們的顯示。



背景技術:

膠囊內(nèi)窺鏡是體內(nèi)成像裝置,其試圖解決傳統(tǒng)內(nèi)窺鏡的許多問題。相機與用以向基站接收器或收發(fā)器傳輸數(shù)據(jù)的無線電發(fā)射器一起被置于可吞咽膠囊中。也可使用體外的數(shù)據(jù)記錄器來接收并記錄所傳輸?shù)臄?shù)據(jù)。該數(shù)據(jù)主要包括該數(shù)字相機所記錄的圖像。該膠囊也可包括無線電接收器,以自基站發(fā)射器接收指令或其它數(shù)據(jù)??梢圆皇褂蒙漕l傳輸,而是使用較低頻率的電磁信號。可自外部傳感器向該膠囊內(nèi)的內(nèi)部傳感器感應地供應功率或者由該膠囊內(nèi)的電池供應功率。在另一種具有板上儲存的膠囊相機中,將所擷取的圖像儲存于板上,而不是將其傳輸至外部裝置。具有板上儲存的該膠囊在其排出以后被取回。具有板上儲存的該膠囊為病人提供無需穿戴該數(shù)據(jù)記錄器或者不會被限制于無線數(shù)據(jù)接收器附近的舒適與自由。

盡管前視膠囊相機包括一個相機,但有其它類型的膠囊相機使用多個相機來提供側(cè)視圖或全景視圖。需要側(cè)或反向角度來適當?shù)赜^看組織表面。當需要徹底地觀察息肉或其它不規(guī)則體以進行準確診斷時,醫(yī)生或診斷醫(yī)生看到這些器官的所有區(qū)域很重要。在申請?zhí)枮?1/642,275、名稱為“In vivo sensor with panoramic camera”并于2006年12月19日提交的美國專利申請中揭示一種相機,該相機經(jīng)配置以擷取圍繞該相機的環(huán)境的全景圖像。

在自動膠囊系統(tǒng)中,在膠囊相機經(jīng)過胃腸(gastrointestinal;GI)道的過程期間一并收集多個圖像與其它數(shù)據(jù)。在獲取并處理該圖像與數(shù)據(jù)以后,通常將其顯示于顯示設備上,以供診斷醫(yī)生或醫(yī)學專家檢查。不過,各圖像僅提供胃腸道的一小段的有限視圖。想要由多個膠囊圖像形成一張大圖片來表示單個合成視圖。例如,可使用多個膠囊圖像來形成內(nèi)部胃腸道表面的剖視圖。該大圖片可利用高分辨率大屏幕顯示設備,以允許用戶同時看到更多信息。該圖像拼接過程可包括移除圖像之間的多余重疊區(qū)域,從而內(nèi)部胃腸道表面的較大區(qū)域可作為單個合成圖片而被同時觀看。另外,該大圖片可提供內(nèi)部胃腸道表面的完整視圖或重要部分。診斷醫(yī)生或醫(yī)學專家將會更容易更快速地很快識別興趣區(qū)域,例如息肉。

在計算攝影學領域中,已開發(fā)圖像拼接技術來將較小圖像拼接為較大圖片。關于圖像對齊及拼接的普通技術方法的回顧可在由Szeliski發(fā)表于2006年12月10日Microsoft Research Technical Report MSR-TR-2004-92的名稱為“Image Alignment and Stitching:A Tutorial”的文章中找到。

對于圖像拼接,首先在圖像中識別對應部分、對象或區(qū)域。在識別對應部分、對象或區(qū)域以后,換句話說,在兩個圖像配準(registered)以后,通過對齊該對應部分、對象或區(qū)域可將該兩個圖像拼接在一起。兩個圖像可直接在像素域中配準、或者基于自圖像提取的特征匹配。該基于像素的匹配也被稱為直接匹配。有數(shù)個相似性度量可用以評估圖像匹配的質(zhì)量,如平方距離和(sum of squared distance;SSD)、歸一化互相關(normalized cross correlation;NCC)、互信息(mutualinformation;MI)等。如果我們對SSD應用歸一化,則NCC等同于SSD。具體而言,為匹配來自兩個不同模式的圖像,將圖像A與B的互信息定義為:

該互信息度量圖像強度值的聯(lián)合分布p(a,b)與它們獨立時圖像強度值的聯(lián)合分布p(a)p(b)之間的距離。它是兩個圖像之間的依賴性度量。假設是當該些圖像正確對齊時,它們的強度值之間具有最大依賴性。誤配準將導致互信息度量降低。因此,較大的互信息意味著較可靠的配準。

基于特征的匹配首先確定各圖像中的一組特征點,接著比較對應的特征描述子(feature descriptor)。為匹配自兩個不同觀看角度擷取的兩個圖像塊或特征,基于該對應估計包括縮放、旋轉(zhuǎn)等的剛性模型。為匹配從變形對象擷取的兩個圖像,可計算包括局部變形的非剛性模型。

特征點的數(shù)目通常遠小于對應圖像的像素數(shù)目。因此,基于特征的圖像匹配的計算負荷基本小于基于像素的圖像匹配。不過,成對匹配仍然耗時。通常,利用k-d樹(本領域中的熟知技術)來加速此過程。相應地,基于特征的圖像匹配被廣泛用于該領域中。但是,在一些情況下,該基于特征的匹配可能不能很好地適用于圖像。在此情況下,可一直將該直接圖像匹配用作后備模式或者可較佳地使用上述兩種方法的組合。

圖像匹配技術通常假設特定的運動模型。當相機所擷取的場景由剛性對象組成時,基于特征匹配或像素域匹配的圖像匹配將工作得很好。不過,如果場景中的該對象變形或者缺乏可識別特征,它將使該圖像匹配任務變得非常困難。對于經(jīng)過胃腸道的過程期間所擷取的膠囊圖像,情況變得更具挑戰(zhàn)性。不僅與胃腸道壁對應的場景在相機移動時變形且常常缺乏可識別特征,而且該些場景由該相機以近距離擷取。由于對象與相機之間的該近距離,因此,經(jīng)常使用的線性相機模型可能無法在不同場景之間產(chǎn)生良好匹配。另外,來自附近物體的光反射可能引起該對象的一些部分過度曝光。因此,想要開發(fā)方法來克服上述問題。



技術實現(xiàn)要素:

本發(fā)明揭示一種依據(jù)圖像匹配質(zhì)量適應性顯示通過相機所擷取的圖像的方法。盡管圖像拼接提供大量圖像的有效觀看及檢查,但圖像拼接可能引起明顯的偽影,尤其對于不能很好地適應相機模式的圖像。本發(fā)明利用該圖像匹配質(zhì)量來指導是否拼接底層圖像。相應地,實現(xiàn)改進的圖像重建以及視覺上更加愉快的觀看。在一個實施例中,接收該相機所擷取的多個圖像,并確定各圖像對的該圖像匹配質(zhì)量。該圖像匹配質(zhì)量是在要匹配的兩個圖像之間進行度量。依據(jù)該圖像匹配質(zhì)量將該圖像對標示為高置信度圖像對或低置信度圖像對。將該高置信度圖像對拼接成一個或多個較大的合成圖片并顯示于顯示設備上。另一方面,將該低置信度圖像對作為單獨圖像顯示而不拼接。

該高置信度匹配圖像與該低置信度不匹配圖像可以交替方式顯示于該顯示設備上,其中,該高置信度匹配圖像與該低置信度不匹配圖像被輪流顯示。該高置信度匹配圖像與該低置信度不匹配圖像也可被同時顯示于該顯示設備上。在此情況下,在一個顯示區(qū)域中顯示該高置信度匹配圖像,并在另一個顯示區(qū)域中顯示該低置信度不匹配圖像。

本發(fā)明的一個態(tài)樣試圖解決該圖像匹配質(zhì)量的各種度量。例如,該圖像匹配質(zhì)量可基于在給定所提取的特征的條件下與正確圖像匹配對應的后驗概率,且各匹配特征對被模擬為二進制隨機變量,該二進制隨機變量為內(nèi)點或外點。在此情況下,該圖像匹配質(zhì)量可通過計算屬于該內(nèi)點的該匹配特征對的數(shù)目來簡單度量。如果屬于該內(nèi)點的該特征的數(shù)目超過閾值,則將該圖像對標示為高置信度匹配圖像對,否則,將該圖像對標示為低置信度不匹配圖像對。該閾值依賴于該特征為該內(nèi)點的概率以及該特征為該外點的概率。

該圖像匹配質(zhì)量也可基于像素域度量。例如,該圖像匹配質(zhì)量可基于要匹配的兩個圖像之間的平方距離和(sum of squared distance;SSD)。如果該SSD小于閾值,則將該圖像對標示為該高置信度匹配圖像對,否則,將該圖像對標示為低置信度不匹配圖像對?;蛘?,該圖像匹配質(zhì)量可基于要匹配的兩個圖像之間的歸一化互相關(normalized cross correlation;NCC)或互信息(mutualinformation;MI)。如果該NCC或MI超過閾值,則將該圖像對標示為該高置信度匹配圖像對,否則,將該圖像對標示為該低置信度不匹配圖像對。

對于除全局變換外還包括局部變形的較復雜情況,該圖像匹配質(zhì)量可通過結(jié)合圖像金字塔與自由變形(如B樣條變形)來評估。搜索好的全局匹配可通過下采樣原始圖像自該圖像金字塔的粗糙層級開始。在各金字塔層級中,全局變換可通過平均局部變動或者作窮舉搜索來估計。此類全局變換將在該圖像金字塔的下一層級被精化,直至最后層級為止,該最后層級為該原始圖像。此過程也可經(jīng)迭代以補償外點影響。在估計該全部變換以后,通過將重疊區(qū)域劃分為一組控制點/網(wǎng)格,可在重疊區(qū)域中估計自由變形。優(yōu)化函數(shù)的輸出可被用作置信度分數(shù),以將圖像對歸類為高置信度匹配圖像對或低置信度不匹配圖像對。

附圖說明

圖1顯示基于圖像匹配的示例高置信度與低置信度圖像對的確定,并依據(jù)本發(fā)明的一個實施例以交替方式在同一顯示區(qū)域中顯示該高置信度匹配及不匹配低置信度圖像。

圖2顯示基于圖像匹配的示例高置信度與低置信度圖像對的確定,并依據(jù)本發(fā)明的一個實施例在各自顯示區(qū)域中顯示該高置信度匹配及低置信度不匹配圖像。

圖3顯示依據(jù)本發(fā)明的一個實施例供系統(tǒng)進行包括由圖像匹配質(zhì)量指導的圖像拼接的圖像顯示的示例流程圖。

具體實施方式

將很容易理解,這里的附圖中概括說明并顯示的本發(fā)明的組件可以各種不同的配置來安排和設計。因此,下面對附圖中所示的本發(fā)明的系統(tǒng)及方法的實施例的更詳細說明,并非意圖限制所請求保護的本發(fā)明的范圍,而僅是本發(fā)明的所選實施例的代表。本說明書中提到的“一個實施例”、“實施例”或類似語言是指與該實施例關聯(lián)說明的特定特征、結(jié)構或特性可被包括于本發(fā)明的至少一個實施例中。因此,在本說明書中的不同地方出現(xiàn)“在一個實施例中”或“在實施例中”等說法并不一定都指同一個實施例。

而且,在一個或多個實施例中可以任意合適的方式組合所述的特征、結(jié)構或特性。不過,相關領域的技術人員將意識到,本發(fā)明可在不具有一個或多個具體細節(jié)的情況下或者通過其它方法、組件等實施。在其它例子中,未顯示或詳細說明已知結(jié)構或操作,以避免模糊本發(fā)明的態(tài)樣。通過參照附圖將更好地理解本發(fā)明的示例實施例,附圖中類似的附圖標記表示類似的部件。下面的說明僅為示例,簡單說明與這里所請求保護的發(fā)明一致的裝置及方法的某些選定實施例。

如上所述,在一些情況下,圖像匹配可能不能很好地適用于圖像,尤其是對于通過使用經(jīng)過胃腸(GI)道的膠囊圖像所擷取的圖像。依據(jù)本發(fā)明的實施例使用圖像匹配質(zhì)量度量。依據(jù)所度量的匹配質(zhì)量,確定匹配置信度水平。當該匹配置信度水平足夠好時,拼接底層圖像。否則,不拼接底層圖像。例如,如果使用基于特征的圖像匹配,將執(zhí)行圖像匹配來匹配許多對應。在匹配以后,將使用隨機抽樣一致(RANdom Sample Consensus;RANSAC)過程來選擇與該些圖像之間的變換模式兼容的一組內(nèi)點。RANSAC是本領域中的已知技術,其用以找到兩個圖像之間的特征點中的最佳變換。為驗證該匹配,基于概率模型計算置信度分數(shù)。

對于每對匹配圖像,特征對應子集(也就是RANSAC內(nèi)點)為幾何一致,且其余特征不一致(也就是RANSAC外點)。為驗證該組對應,評估該組特征由正確圖像匹配(也就是內(nèi)點)或者錯誤圖像匹配(也就是外點)產(chǎn)生的概率。對于給定圖像,以nf表示總特征數(shù),并以ni表示內(nèi)點數(shù),圖像匹配正確/不正確的事件由二進制變量m∈{0,1}表示,其中m=1表示正確匹配,而m=0表示不正確匹配。假設第i個特征對應是內(nèi)點/外點的事件(由二進制變量f(i)∈{0,1}表示,其中f=1表示內(nèi)點且f=0表示外點)是獨立伯努利分布(Bernoulli distribution)。相應地,所有特征是內(nèi)點的概率是二項分布(Binomial distribution):

其中,p1是給定正確圖像匹配的情況下,特征為內(nèi)點的概率,且p0是給定錯誤圖像匹配的情況下,特征為內(nèi)點概率??們?nèi)點數(shù)ni依據(jù)計算。圖像匹配正確的后驗概率可通過貝葉斯定理評估。

假設圖像匹配正確/不正確的事件為均勻先驗分布(也就是先驗概率分布),p(m=0)=p(m=1)。接受圖像匹配的標準是基于是否

其中,pmin是作為接受該圖像匹配的標準的最小概率閾值。通過一系列數(shù)學推導,此條件被簡化為似然比檢驗(likelihood ratio test):

以及

依據(jù)圖像模型或基于檢驗數(shù)據(jù)可適當選擇pmin、p1以及p0的值。上述決策過程可被進一步簡化為下面的檢驗:

ni>g(nf), (7)

其中,g是pmin、p1及p0的函數(shù)。換句話說,在確定pmin、p1及p0的值以后,可確定g的值。該決策過程簡單地變?yōu)橛嬎銉?nèi)點數(shù)ni。如果式(7)的條件滿足,則該圖像匹配得以驗證且該配準被標示為置信度配準。否則,該圖像匹配未獲驗證且該配準具有低置信度。在上面的實施例中,就在給定所提取的特征的情況下圖像匹配正確的后驗概率(如式(4)中所示)來度量該圖像匹配質(zhì)量。如果該圖像匹配質(zhì)量超過閾值(也就是pmin),則該圖像匹配得以驗證。在進一步推導以后,依據(jù)本發(fā)明的一個實施例的決策過程簡單地變?yōu)橛嬎銉?nèi)點數(shù),ni,并將該結(jié)果與閾值比較。盡管可通過計算內(nèi)點數(shù)來度量該圖像匹配質(zhì)量,但也可通過計算外點數(shù)來度量該圖像匹配質(zhì)量。在此情況下,如果外點數(shù)小于第二閾值,則該圖像匹配得以驗證。否則,圖像匹配未獲驗證。

在另一個實施例中,該系統(tǒng)使用不基于特征的直接匹配并計算平方距離和(SSD)作為圖像匹配質(zhì)量的度量。圖像A與B之間的SSD被定義為:

DSSD(A,B|T)=Σ(x,y)(A(x,y)-B(T(x,y)))2, (7)

其中,(x,y)是重疊區(qū)域中的像素,T是圖像A至B的變換。通過仔細選擇閾值Dmax,如果Dssd(A,B|T)<Dmax,則該圖像匹配可獲驗證且該配準具有高置信度。否則,該配準未獲驗證且該配準沒有置信度。在另一個實施例中,可將歸一化互相關(NCC)或互信息(MI)用作評估該匹配質(zhì)量以及計算該置信度分數(shù)的標準。

在另一個實施例中,為拼接兩個順序圖像,首先,該對的每個圖像將被下采樣(down-sampled)以形成圖像金字塔。自粗糙層級開始,將在預定義范圍內(nèi)通過使用窮舉搜索來估計全局變換。所得的全局變化將在下一層級被精化,直至最后層級為止,該最后層級為該原始圖像。在估計該全局變換以后,可將自由變形(free-form deformation)變換施加于重疊區(qū)域,以估計局部變形??蓪⒃搩?yōu)化目標函數(shù)的輸出用作評估該匹配質(zhì)量以及計算該置信度分數(shù)的標準。

在另一個實施例中,為拼接兩個順序圖像,首先,該對的每個圖像將被下采樣以形成圖像金字塔。自粗糙層級開始,將通過對局部變換進行平均來估計全局變換,該局部變換通過將自由變形應用至整體圖像來計算。所得的全局變化將在下一層級被精化,直至最后層級為止,該最后層級為該原始圖像。這樣一個過程將被迭代,直到該過程收斂以消除外點影響為止。在估計該全局變換以后,可將自由變形變換施加于重疊區(qū)域,以估計局部變形??蓪⒃搩?yōu)化目標函數(shù)的輸出用作評估該匹配質(zhì)量以及計算該置信度分數(shù)的標準。

在另一個實施例中,當且僅當下列條件為真時,可以高置信度將超過兩個圖像拼接在一起。給定該組圖像i1,i2,…,iN,對于每個圖像ij(j=1,2,…,N),我們可自其余圖像找到至少一個圖像來以高置信度匹配ij。可能具有多個具有高置信度的圖像匹配ij。否則,它意味著不能將ij與其余圖像拼接,并將ij自此圖像組移除。上述過程可被重復,直至沒有圖像會被從該圖像組移除為止。接著,可將此組中的所有圖像拼接在一起,以形成大的合成圖像。所有被移除的圖像將被單獨顯示。

在一個實施例中,i1,i2,…,iN是沿時間域的一系列圖像,其中發(fā)現(xiàn)i1,i2,i3,i5,i6,i7,i8,i12獲得高置信度匹配、被拼接在一起并被顯示為合成圖像I1,而i4,i9,i10及i11不能拼接并被顯示為單個圖像。如果i4、i9及i11可獲得置信度匹配而i10不能,則i4、i9及i11可被拼接在一起作為合成圖像I2并作為合成圖像顯示,而i10單獨地在視頻中被顯示為單個圖像。

有時,拼接太少的圖像并以一個合成圖像顯示它們的缺點多于優(yōu)點。例如,該拼接圖像具有任意尺寸,但單個圖像在尺寸及長寬比方面固定,因此觀看合成圖像中的兩個拼接圖像可能在時間方面不如在以特定幀速顯示的視頻中讀取這兩個圖像有效。閾值T可經(jīng)選擇以設置以高置信度匹配的圖像的最小數(shù)目(在該些圖像被拼接并顯示為合成圖像之前)。

上面所揭示的圖像匹配質(zhì)量可用以指導圖像拼接。當該圖像匹配質(zhì)量為高時,可將該配準標示為置信。在一個實施例中,針對具有高置信度的圖像,該些圖像經(jīng)拼接以形成較大的合成圖片,即使沿著通過時間存在不連續(xù)。對于被標示為低置信度的那些圖像,不拼接該些圖像。將未拼接圖像作為單獨圖像對待或者作為圖像序列對待并作為視頻觀看。圖1顯示依據(jù)本發(fā)明的一個實施例,其中,A1、A2及A3表示視頻中具有高置信度的三組圖像。A1、A2及A3分別對應具有高置信度的時間段tA1、tA2以及tA3中的圖像。各組(也就是A1、A2或A3)內(nèi)的圖像被拼接成一個或多個較大的合成圖片。B1、B2及B3分別對應具有低置信度的時間段tB1、tB2以及tB3中的圖像。在一個實施例中,與A1、A2、A3關聯(lián)的圖像可被顯示于顯示區(qū)域110中,隨后接著顯示與B1、B2及B3關聯(lián)的圖像。圖1所示實例中正在顯示與組A1對應的合成圖像。顯示順序可為A1、A2及A3,隨后接著為B1、B2及B3。顯示也可按照A1、B1、A2、B2、A3及B3的順序。當顯示與A1、A2、A3關聯(lián)的圖像時,可使用拼接后的較大圖像或者多個圖像,以允許視線同時檢查多個圖像。當顯示與B1、B2及B3關聯(lián)的圖像時,可將這些圖像作為單獨圖像對待,且它們可被手動逐個顯示或者以想要的回放速率作為視頻序列顯示。圖1中以均勻的速度拍攝這些圖像。在另一個實施例中,可以不均勻的幀速度拍攝圖像。

圖2顯示依據(jù)本發(fā)明的另一個實施例。再次,A1、A2及A3表示視頻中具有高置信度的圖像。B1、B2及B3對應具有低置信度的圖像。具有兩個顯示區(qū)域,一個用以顯示A1、A2及A3,另一個用以顯示B1、B2及B3。兩個顯示區(qū)域(210及220)用以獨立地顯示A1/A2/A3以及B1/B2/B3。與A1、A2、A3關聯(lián)的圖像可在顯示區(qū)域210中作為拼接的較大合成圖像顯示。與B1、B2、B3關聯(lián)的圖像可作為單獨圖像顯示。它們可被手動逐個顯示或者以想要的回放速率作為視頻顯示于顯示區(qū)域220中。

圖3顯示依據(jù)本發(fā)明的一個實施例系統(tǒng)進行包括由圖像匹配質(zhì)量指導的圖像拼接的圖像顯示的示例流程圖。如步驟310中所示,由該相機擷取多個圖像。該些圖像可自內(nèi)存檢索或自處理器接收。如步驟320中所示,確定各圖像的圖像匹配質(zhì)量。該圖像匹配質(zhì)量是在要匹配的兩個圖像之間進行度量。接著,如步驟330中所示,依據(jù)該圖像匹配質(zhì)量,將該圖像對標示為高置信度匹配圖像對或低置信度不匹配圖像對。如步驟340中所示,將該高置信度圖像拼接成一個或多個較大的合成圖片。如步驟350中所示,將該拼接的較大合成圖片顯示于顯示設備上。

盡管特定例子針對膠囊圖像,但依據(jù)本發(fā)明的基于圖像匹配質(zhì)量的該圖像拼接也可被應用于以不同視角擷取的自然場景圖像。

本發(fā)明可以其它特定形式實施,而不背離其精神或基本特征。上述例子應當在所有方面都僅被視為說明性質(zhì)而非限制性質(zhì)。因此,由所附權利要求而非上述說明表示本發(fā)明的范圍。在權利要求的等同的意思及范圍內(nèi)所作的所有變更都將包括于其范圍內(nèi)。

權利要求書(按照條約第19條的修改)

1.一種顯示人體胃腸(gastrointestinal;GI)道的圖像的方法,該人體胃腸道的圖像通過使用經(jīng)過該胃腸道的膠囊相機擷取,該方法包括:

接收該膠囊相機所擷取的多個圖像;

確定圖像對的圖像匹配質(zhì)量,其中,各圖像對對應選擇圖像及相鄰圖像,且該相鄰圖像鄰近該選擇圖像或者不鄰近該選擇圖像;

如果對應圖像對依據(jù)該圖像匹配質(zhì)量具有高置信度匹配,則將該選擇圖像標示為匹配圖像;

如果與該選擇圖像關聯(lián)的所有對應圖像對依據(jù)該圖像匹配質(zhì)量具有低置信度匹配,則將該選擇圖像標示為不匹配圖像,其中,將該不匹配圖像不拼接地作為單獨圖像或者作為序列顯示于該顯示裝置上;

將具有該高置信度匹配的該對應圖像對拼接成一個或多個較大的合成圖片;以及

在顯示裝置上顯示該一個或多個合成圖片。

2.(取消)

3.(取消)

4.如權利要求1所述的方法,其中,將該一個或多個合成圖片與該不匹配圖像以交替方式顯示于該顯示裝置上,其中,在第一時段期間顯示該一個或多個合成圖片并在第二時段期間顯示該不匹配圖像,且該第一時段與該第二時段不重疊。

5.如權利要求1所述的方法,其中,將該一個或多個合成圖片顯示于該顯示裝置上的第一顯示區(qū)域中并將該不匹配圖像顯示于該顯示裝置上的第二區(qū)域中。

6.如權利要求1所述的方法,其中,該圖像匹配質(zhì)量是基于在各圖像對之間所提取的特征。

7.如權利要求6所述的方法,其中,該圖像匹配質(zhì)量是基于在提供所提取的該特征的條件下與正確圖像匹配對應的后驗概率,其中,將各特征模擬為二進制隨機變量,該二進制隨機變量為內(nèi)點或外點。

8.如權利要求7所述的方法,其中,該圖像匹配質(zhì)量是通過計算屬于該內(nèi)點的該特征的數(shù)目來度量,且如果屬于該內(nèi)點的該特征的數(shù)目超過閾值,則將該選擇圖像標示為該匹配圖像,以及對于與該選擇圖像關聯(lián)的所有圖像對,如果屬于該內(nèi)點的該特征的數(shù)目低于該閾值,則將該選擇圖像標示為該不匹配圖像。

9.如權利要求8所述的方法,其中,該閾值依賴于與該特征為該內(nèi)點對應的第一概率以及與該特征為該外點對應的第二概率。

10.如權利要求3所述的方法,其中,該圖像匹配質(zhì)量是基于各圖像對之間的平方距離和(sum of squared distance;SSD)、歸一化互相關(normalized cross correlation;NCC)或互信息(mutual information;MI)。

11.如權利要求10所述的方法,其中,如果該SSD小于閾值,則將該選擇圖像標示為該匹配圖像,以及對于與該選擇圖像關聯(lián)的所有圖像對,如果該SSD超過該閾值,則將該選擇圖像標示為該不匹配圖像。

12.如權利要求10所述的方法,其中,如果該NCC或MI超過閾值,則將該選擇圖像標示為該匹配圖像,以及對于與該選擇圖像關聯(lián)的所有圖像對,如果該NCC或MI小于該閾值,則將該選擇圖像標示為該不匹配圖像。

13.如權利要求1所述的方法,其中,所述確定該圖像對的該圖像匹配質(zhì)量包括:

針對該對應圖像對的各圖像生成圖像金字塔;

通過在該圖像金字塔的較粗糙圖像上應用窮舉搜索而在該圖像金字塔的較粗糙層級估計全局變換;

通過使用在該較粗糙層級的全局變換結(jié)果而在較精細層級精化該全局變換;

向該圖像對的重疊區(qū)域施加基于自由變形(free-form deformation)的局部變換以估計局部變形,其中,該自由變形的參數(shù)通過優(yōu)化該參數(shù)的目標函數(shù)來確定;以及

自該優(yōu)化目標函數(shù)提供輸出作為該圖像對的該圖像匹配質(zhì)量。

14.如權利要求1所述的方法,其中,所述確定該圖像對的該圖像匹配質(zhì)量包括:

針對該對應圖像對的各圖像生成圖像金字塔;

向各整體圖像對施加通過應用自由變形而計算的局部變換,其中,該自由變形的參數(shù)通過優(yōu)化該參數(shù)的目標函數(shù)來確定;

通過對該圖像金字塔的較粗糙圖像上的該局部變換進行平均來估計全局變換;

通過使用在較粗糙層級的全局變換結(jié)果而在較精細層級精化該全局變換;

在該圖像金字塔的最后層級估計該全局變換以后,向該圖像對的重疊區(qū)域施加該自由變形以估計局部變形;以及

自優(yōu)化目標函數(shù)提供輸出作為該圖像對的該圖像匹配質(zhì)量。

15.如權利要求1所述的方法,其中,所述將具有該高置信度匹配的該對應圖像對拼接成一個或多個較大的合成圖片僅當針對一個較大合成圖片的對應圖像對的數(shù)目大于閾值時執(zhí)行。

16.一種顯示人體胃腸(gastrointestinal;GI)道的圖像的系統(tǒng),該人體胃腸道的圖像通過使用經(jīng)過該胃腸道的膠囊相機擷取,該系統(tǒng)包括:

顯示裝置;以及

處理器,與該顯示裝置耦接,其中,該處理器經(jīng)配置以:

接收該膠囊相機所擷取的多個圖像;

確定圖像對的圖像匹配質(zhì)量,其中,各圖像對對應選擇圖像及相鄰圖像,且該相鄰圖像鄰近該選擇圖像或者不鄰近該選擇圖像;

如果對應圖像對依據(jù)該圖像匹配質(zhì)量具有高置信度匹配,則將該選擇圖像標示為匹配圖像;以及

將具有該高置信度匹配的該對應圖像對拼接成一個或多個較大的合成圖片;以及

在該顯示裝置上顯示該一個或多個合成圖片。

17.如權利要求16所述的系統(tǒng),其中,該處理器經(jīng)進一步配置以于與該選擇圖像關聯(lián)的所有對應圖像對依據(jù)該圖像匹配質(zhì)量具有低置信度匹配的情況下將該選擇圖像標示為不匹配圖像。

18.如權利要求17所述的系統(tǒng),其中,將該不匹配圖像不拼接地作為單獨圖像顯示于該顯示裝置上。

19.如權利要求18所述的系統(tǒng),其中,將該一個或多個合成圖片與該不匹配圖像以交替方式顯示于該顯示裝置上,其中,在第一時段期間顯示該一個或多個合成圖片并在第二時段期間顯示該不匹配圖像,且該第一時段及該第二時段不重疊。

20.如權利要求18所述的系統(tǒng),其中,將該一個或多個合成圖片顯示于該顯示裝置上的第一顯示區(qū)域中并將該不匹配圖像顯示于該顯示裝置上的第二區(qū)域中。

21.如權利要求16所述的系統(tǒng),其中,該圖像匹配質(zhì)量是基于在各圖像對之間所提取的特征。

22.如權利要求16所述的系統(tǒng),其中,該圖像匹配質(zhì)量是基于各圖像對之間的平方距離和(sum of squared distance;SSD)、歸一化互相關(normalized cross correlation;NCC)或互信息(mutual information;MI)。

當前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
会宁县| 曲松县| 荣成市| 班戈县| 清镇市| 青川县| 浮梁县| 襄垣县| 福安市| 虞城县| 澳门| 泗洪县| 哈巴河县| 锡林郭勒盟| 甘泉县| 文安县| 旌德县| 正镶白旗| 凤凰县| 锡林郭勒盟| 丰城市| 丰都县| 克什克腾旗| 莎车县| 新兴县| 奈曼旗| 庄河市| 高淳县| 天柱县| 当雄县| 曲周县| 满城县| 防城港市| 德江县| 莱州市| 盐城市| 获嘉县| 绥江县| 额敏县| 凌源市| 陇南市|