CN113808057B 基于无监督学习的内窥镜图像增强方法 （上海大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN113808057B(45)授权公告日2025.07.15

(21)申请号202110885619.5

(22)申请日2021.08.03

(65)同一申请的已公布的文献号申请公布号CN113808057A

(43)申请公布日2021.12.17

(73)专利权人上海大学

地址200444上海市宝山区上大路99号

(72)发明人刘金华黄东晋周舒华石永生

(74)专利代理机构上海上大专利事务所(普通合伙)31205

专利代理师何文欣

(51)Int.CI.

(56)对比文件

DongjinHuang等.Deepunsupervised

endoscopicimageenhancementbasedon

multi-imagefusion.《ComputerMethodsandProgramsinBiomedicine》.2022,1-17页.

审查员黄沛

GO6T5/50(2006.01)

GO6T7/90(2017.01)

权利要求书2页说明书6页附图4页

(54)发明名称

基于无监督学习的内窥镜图像增强方法

(57)摘要

CN113808057B本发明涉及一种基于无监督学习的内窥镜图像增强方法，包括四个步骤：(1)对原始内窥镜图像数据集进行预处理，利用三种图像增强技术处理原始图像得到三张派生图；(2)将原始图像和其对应的派生图转换到HSI颜色空间，保持H通道图像不变，将派生图的I通道图像输入无监督学习网络，进行深度网络模型训练；(3)根据网络训练后得到的训练参数，得到I通道图像增强结果；(4)对原始图像的S通道图像进行自适应非线性拉伸处理，并将HSI颜色空间转换回RGB颜色空间输出最终增强图像。本发明的无监督学习网络不需要groundtruth作为参考图像，通过non-reference损失函数实现网络的训练。该方法较

CN113808057B

Original

Originalimage

CLAHE

Derivadimage1Derivedimage3

颜色空间转换(RGBToHSD

Hoyain

DerivedFuse

自适应非线性拉伸函数

无监督学习网络

颜色空间转换(HSIToRGB)

Enhancedimage

CN113808057B权利要求书1/2页

2

1.一种基于无监督学习的内窥镜图像增强方法，其特征在于，操作步骤如下：

步骤1:对原始内窥镜图像数据集进行预处理，利用三种图像增强技术处理原始图像得到三张派生图；

步骤2:将原始内窥镜图像和其对应的派生图转换到HSI颜色空间，保持H通道图像不变，将派生图的I通道图像输入无监督学习网络，进行深度网络模型训练；

步骤3:根据网络训练后得到的训练参数，得到I通道图像增强结果；

步骤4:对原始内窥镜图像的S通道图像进行自适应非线性拉伸处理，并将HSI颜色空间图像转换回RGB颜色空间输出最终增强图像；

所述步骤2的网络模型包括如下具体操作步骤：

2-1:将RGB颜色空间转换到HSI颜色空间；

2-2:无监督学习网络，称为DerivedFuse,它由三个部分组成，分别是特征提取、特征融合和重建；将数据集中的派生图的I通道图像输入无监督学习网络DerivedFuse进行训练，最终得到预测图；

2-3:目标函数为non-reference损失函数，其值受输入网络图像的luminance,contrast和structure三个分量影响；

所述目标函数表达式如下：

(2)

其中，i表示实际从DerivedFuse输出的融合图像中同一空间位置提取的图像patch,i

代表期望的融合图像patch;σ2为i的方差；,为i和i的协方差；C代表常数；的计算公式为i=c·s+1,c,S和1分别表示期望的luminance,contrast和structure分量；

SSIM将任何给定的图像patch分解为luminance,contrast和structure三个分量，则派生图n在HSI颜色空间I通道图像中的相同空间位置