高光谱图像的分析方法及系统技术方案

本发明专利技术提供一种高光谱图像的分析方法及系统。去除高光谱图像中的干扰物，以取得光谱特征。自光谱特征取得波长

【技术实现步骤摘要】
高光谱图像的分析方法及系统


[0001]本专利技术涉及一种图像分析技术，尤其涉及一种高光谱(hyperspectral)图像的分析方法及系统。

技术介绍

[0002]在现行微创手术过程中，通常会利用内视镜进入人体体内诊断，再由医师进行手术。然而，部分人体组织颜色相近，也很难通过图像中的组织表面分辨出不同组织。因此，针对部分移除手术，为了保险起见，可能会将部份好的组织器官一并移除，进而增加手术难度及危险。
[0003]值得注意的是，在诸如整形重建手术、神经外科手术、或乳癌手术的临床上，已有通过靛氰绿(Indocyanine Green，ICG)荧光显影技术检测前哨淋巴结、肾脏肿瘤或其他肿瘤。然而，这显影技术需要对患者注射靛氰绿，且仅适用于特定组织。

技术实现思路

[0004]本专利技术是针对一种高光谱图像的分析方法及系统，可辅助组织识别，且无须额外施打显影器。
[0005]根据本专利技术的实施例，高光谱图像的分析方法适用于识别图像中的人体组织。分析方法包括(但不仅限于)下列步骤：去除高光谱图像中的干扰物，以取得光谱特征。自光谱特征取得波长
‑
反射率对应关系。通过目标检测算法确定波长
‑
反射率对应关系所对应的组织信息。目标检测算法是基于高光谱图像的像素的能量和/或光谱角(spectral angle)。
[0006]根据本专利技术的实施例，高光谱图像的分析系统适用于识别图像中的人体组织。分析系统包括(但不仅限于)运算装置。运算装置经配置用以去除高光谱图像中的干扰物，以取得光谱特征。自光谱特征取得波长
‑
反射率对应关系。通过目标检测算法确定波长
‑
反射率对应关系所对应的组织信息。目标检测算法是基于高光谱图像的像素的能量和/或光谱角。
[0007]基于上述，根据本专利技术实施例的高光谱图像的分析方法及系统，根据组织的光谱特征确定波段上的反射特性所对应的组织。因此，可方便地识别图像中的组织。
附图说明
[0008]包含附图以便进一步理解本专利技术，且附图并入本说明书中并构成本说明书的一部分。附图说明本专利技术的实施例，并与描述一起用于解释本专利技术的原理。
[0009]图1是根据本专利技术一个实施例的分析系统的示意图；
[0010]图2A是根据本专利技术一个实施例的高光谱检测仪的示意图；
[0011]图2B是根据本专利技术一个实施例的搭配内视镜的示意图；
[0012]图2C是根据本专利技术一个实施例的搭配微距镜头的示意图；
[0013]图3是根据本专利技术一个实施例的分析方法的流程图；
[0014]图4是一个范例说明器官图像；
[0015]图5A是一个范例说明图4中的第一像素的波长
‑
反射率对应关系；
[0016]图5B是一个范例说明图4中的第二像素的波长
‑
反射率对应关系；
[0017]图6A是一个范例说明器官图像；
[0018]图6B是一个范例说明图6A的波长
‑
反射率对应关系；
[0019]图7A是一个范例说明器官图像；
[0020]图7B是一个范例说明图7A的波长
‑
反射率对应关系；
[0021]图8A是一个范例说明图6A的组织范围；
[0022]图8B是一个范例说明图7A的组织范围；
[0023]图9是一个范例说明用户接口。
[0024]附图标号说明
[0025]1:分析系统；
[0026]30:高光谱检测装置；
[0027]31:镜头；
[0028]32:间隔块；
[0029]33:光栅；
[0030]34:图像感光组件；
[0031]35:电路板；
[0032]50:运算装置；
[0033]S310～S350:步骤；
[0034]SI:高光谱图像；
[0035]SF:光谱特征；
[0036]CR:组织分类结果；
[0037]C1、C2:算法选项。
具体实施方式
[0038]现将详细地参考本专利技术的示范性实施例，示范性实施例的实例说明于附图中。只要有可能，相同组件符号在附图和描述中用来表示相同或相似部分。
[0039]图1是根据本专利技术一个实施例的分析系统1的示意图。请参照图1，分析系统1包括(但不仅限于)高光谱检测装置30及运算装置50。分析系统1可适用于识别图像中的人体组织。
[0040]图2A是根据本专利技术一个实施例的高光谱检测仪30的示意图。请参照图2A，高光谱检测装置30包括(但不仅限于)镜头31、间隔块32、光栅33、图像感光组件34及电路板35。
[0041]在一个实施例中，镜头31是内视镜。如图2B所示搭配内视镜的示意图。在其他实施例中，镜头31也可能是其他用途的镜头及规格。例如，焦段52毫米的微距镜头，如图2C所示搭配微距镜头的示意图。
[0042]间隔块32设于镜头31与光栅33之间。在一个实施例中，间隔块32的长度与成像大小相关。
[0043]光栅33设于镜头31与图像感测组件34之间。在一个实施例中，光栅33的分光狭缝
为每英寸13500条，且通过光栅的波长范围为400至1052纳米(nm)。
[0044]图像感光组件34可以是感光耦合组件(Charge
‑
Coupled Device)或互补式金属氧化物半导体(Complementary Metal Oxide Semiconductor，CMOS)感光组件。
[0045]电路板35耦接图像感光组件34。在一个实施例中，电路板35用以控制曝光时间。在另一个实施例中，电路板35用以驱动图像获取作业。在一些实施例中，电路板35可提供诸如对比增强、白平衡调整等图像处理作业。
[0046]在一个实施例中，高光谱检测装置30还包括光源(图未示)。可通过镜头31(以内视镜为例)的通道将光至镜头31前端。
[0047]在一个些应用情境中，在手术过程中，可通过镜头31深入体内，并据以针对特定器官拍摄。然而，本专利技术实施例不加以限制高光谱检测装置的待测物。
[0048]须说明的是，高光谱检测装置30的规格及组件不限于前述说明。甚至，在一些实施例中，高光谱检测装置30也可置换成其他图像捕获设备。
[0049]运算装置50可以是台式计算机、笔记本电脑、AIO计算机、智能手机、平板计算机、或服务器等装置。运算装置50可包括(但不仅限于)存储器及处理器。在一个实施例中，存储器存储程序代码，且程序代码可供处理器加载且执行，以实现本专利技术实施例的方法流程。
[0050]在一实施例中，运算装置50连接高光谱检测装置30，并用以控制其作业或接收数据。例如，运算装置50取得高光谱检测装置30的高光谱图像。又例如，运算装置50控制高光谱检测装置30的曝光时间(例如，数个毫秒至数百个毫秒)。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高光谱图像的分析方法，其特征在于，适用于识别图像中的人体组织，所述分析方法包括：去除高光谱图像中的干扰物，以取得光谱特征；自所述光谱特征取得波长
‑
反射率对应关系；以及通过目标检测算法确定所述波长
‑
反射率对应关系所对应的组织信息，其中所述目标检测算法是基于所述高光谱图像的像素的能量及光谱角中的至少一个。2.根据权利要求1所述的高光谱图像的分析方法，其特征在于，所述目标检测算法为光谱角映射或限制能量最小化算法。3.根据权利要求1或请求项2所述的高光谱图像的分析方法，其特征在于，还包括：通过所述目标检测算法比对所述波长
‑
反射率对应关系与光谱数据库，其中所述光谱数据库记录自至少一组织的高光谱图像所获取的参考光谱特征；以及根据比对结果确定所述组织信息。4.根据权利要求1所述的高光谱图像的分析方法，其特征在于，还包括：根据所确定的组织信息并通过分群算法识别所述高光谱图像中的至少一组织范围。5.根据权利要求1所述的高光谱图像的分析方法，其特征在于，去除所述高光谱图像中的干扰物的步骤包括：自所述高光谱图像中选择分析波段，其中所述分析波段介于400至1052纳米；对所述高光谱图像进行物质萃取作业，其中所述物质萃取作业是针对至少一目标组织；以及对所述高光谱图像进行异物检测作业，其中所述异物检测作业是用于排除所述至少一目标组织以外的异物。6.一种高光谱图像的分析系统，其特征在于，适用于识别图像中的人体组织，所述分析系统包括：运算装置，经配置用以：去除高光谱图像中的干扰物，...

【专利技术属性】
技术研发人员：蔡元勋，胡博期，林庚达，
申请(专利权)人：财团法人金属工业研究发展中心，
类型：发明
国别省市：