本技术涉及图像检测，更具体的说，本技术涉及一种内窥镜图像检测方法、系统、设备及介质。
背景技术：
1、近年来，图像检测在深度学习、大规模数据集、目标检测框架和实时嵌入式应用方面取得了重要的进展。这些进展使得图像检测在许多领域中得到广泛应用，如自动驾驶、安防监控、医学影像分析等，为人们的生活和工作带来了许多有益的影响。
2、胃肠道生理环境复杂、病理特征隐蔽，导致诊断困难，就诊过程内窥镜采集的信息量巨大，其中息肉病变图像又相对较少，特别是息肉病变部位，需要经验丰富的临床医师耗费大量的精力对内窥镜图像进行仔细辨认，若临床医师经验不足，则无法对息肉病变位置进行准确定位。
技术实现思路
1、本技术提供一种内窥镜图像检测方法、系统、设备及介质，以解决现有技术中无法对息肉病变位置进行准确定位的技术问题。
2、为解决上述技术问题，本技术采用如下技术方案：
3、第一方面，本技术提供一种内窥镜图像检测方法，包括如下步骤：
4、对内窥镜采集的视频进行预处理，得到预选息肉病变视频片段，获取所述预选息肉病变视频片段中所有的图像帧；
5、通过对所述预选息肉病变视频片段中所有的图像帧进行划分，得到图像帧子块集，对所述图像帧子块集进行共享变换计算，提取图像帧子块集中的图像帧子块的共享变换值，根据所述图像帧子块的共享变换值，确定息肉病变边缘图像集；
6、对所述息肉病变边缘图像集中的息肉病变边缘图像进行特征变化计算，得到每个息肉病变边缘图像的特征变化系数，根据所述特征变化系数获取两相邻息肉病变边缘图像之间的特征变化系数差，得到特征变化系数差异序列，对所述特征变化系数差异序列进行剔除，确定息肉病变系数序列，进而得到息肉病变图像集；
7、对所述息肉病变图像集中的息肉病变图像进行滤波处理，得到息肉病变图像的灰度直方图，利用圆滑函数对所述灰度直方图进行计算，确定圆滑灰度直方图，对所述圆滑灰度直方图采用阈值划分模型，得到圆滑灰度直方图的分割阈值；
8、通过所述分割阈值对息肉病变图像进行二次降噪，确定息肉病变图像中息肉病变部位的具体位置，生成息肉病变部位位置信息集。
9、在一些实施例中，通过对所述预选息肉病变视频片段中所有的图像帧进行划分，得到图像帧子块集具体可包括：
10、确定图像帧子块的尺寸阈值；
11、根据所述图像帧的尺寸和所述图像帧子块的尺寸阈值，确定图像帧子块的划分区域；
12、根据所述划分区域，按照图像帧子块尺寸随机划分子图像块；
13、重复上述步骤直至覆盖整个划分区域，得到图像帧子块集。
14、在一些实施例中，确定息肉病变边缘图像集具体可包括：
15、将所述图像帧子块集中的图像帧子块进行两两配对，得到图像帧子块对；
16、确定所述图像帧子块对中每个图像帧子块的像素值概率分布和联合的像素值概率分布，对所述每个图像帧子块的像素值概率分布和联合的像素值概率分布进行计算，得到图像帧子块共享变换值；
17、对所述图像帧子块共享变换值进行统计，将所有图像帧子块共享变换值超过设定阈值的图像帧设为息肉病变边缘图像集。
18、在一些实施例中，图像帧子块共享变换值采用下述公式得到：
19、
20、其中，表示图像帧子块1和图像帧子块2中的图像帧子块共享变换值，表示图像帧子块1，表示图像帧子块1中各像素值；表示图像帧子块2，表示图像帧子块2中各像素值；和分别表示图像帧子块1和图像帧子块2中各像素值的概率分布，表示图像帧子块1和图像帧子块2的联合像素值的概率分布。
21、在一些实施例中，对所述息肉病变边缘图像集中的息肉病变边缘图像进行特征变化计算，得到每个息肉病变边缘图像的特征变化系数具体包括：
22、根据所述息肉病变边缘图像，得到息肉病变边缘图像rgb三通道中对应的像素值，根据所述息肉病变边缘图像rgb三通道中对应的像素值，计算肉病变边缘图像rgb三通道中对应的特征值，进而计算息肉病变边缘图像的特征变化系数。
23、在一些实施例中，计算息肉病变边缘图像的特征变化系数采用下述公式：
24、
25、其中，表示息肉病变边缘图像的特征变化系数，表示r通道下的特征值，表示g通道下的特征值，表示b通道下的特征值，表示r和g联合通道下的特征值，表示r和b联合通道下的特征值，表示g和b联合通道下的特征值，表示r、g和b联合通道下的特征值。
26、在一些实施例中，确定所述圆滑灰度直方图具体包括：
27、对所述息肉病变图像进行滤波处理，得到处理过后的息肉病变滤波图像；
28、统计息肉病变滤波图像中每个灰度级别的像素数量，并建立息肉病变图像的灰度直方图；
29、采用圆滑函数对灰度直方图进行计算，确定圆滑灰度直方图。
30、第二方面，本技术提供一种内窥镜图像检测系统，其包括有：
31、视频预处理模块，用于对内窥镜采集的视频进行预处理，得到预选息肉病变视频片段，并获取所述预选息肉病变视频片段中所有的图像帧；
32、病变边缘图像筛查模块，用于通过对所述预选息肉病变视频片段中所有的图像帧进行划分，得到图像帧子块集，对所述图像帧子块集进行共享变换计算，提取图像帧子块集中的图像帧子块的共享变换值，根据所述图像帧子块的共享变换值，确定息肉病变边缘图像集；
33、病变图像确定模块，用于对所述息肉病变边缘图像集中的息肉病变边缘图像进行特征变化计算，得到每个息肉病变边缘图像的特征变化系数；根据所述特征变化系数获取两相邻息肉病变边缘图像之间的特征变化系数差，得到特征变化系数差异序列；对所述特征变化系数差异序列进行剔除，确定息肉病变系数序列，进而得到息肉病变图像集；
34、阈值分割模块，用于对所述息肉病变图像集中的息肉病变图像进行滤波处理，得到息肉病变图像的灰度直方图，利用圆滑函数对所述灰度直方图进行计算，得到圆滑灰度直方图，对所述圆滑灰度直方图采用阈值划分模型，得到圆滑灰度直方图的分割阈值；
35、病变部位位置信息生成模块，用于通过所述分割阈值对息肉病变图像进行二次降噪，确定息肉病变图像中息肉病变部位的具体位置，生成息肉病变部位位置信息集。
36、第三方面，本技术提供一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器储存有代码，所述处理器被配置为获取所述代码，并执行上述的内窥镜图像检测方法。
37、第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的内窥镜图像检测方法。
38、本技术公开的实施例提供的技术方案具有以下有益效果：
39、本技术提供的内窥镜图像检测方法、系统、设备及介质中，对内窥镜采集的视频进行预处理，得到预选息肉病变视频片段，获取所述预选息肉病变视频片段中所有的图像帧，对所述图像帧进行划分，得到图像帧子块集，对所述图像帧子块集进行计算，确定息肉病变边缘图像集，对所述息肉病变边缘图像集中的息肉病变边缘图像进行特征变化计算，得到每个息肉病变边缘图像的特征变化系数，对所述特征变化系数进行差异对比并剔除，确定息肉病变系数序列，进而得到息肉病变图像集，根据所述息肉病变图像集，对息肉病变图像进行滤波圆滑处理，得到圆滑灰度直方图，进而得到圆滑灰度直方图的分割阈值，通过所述分割阈值，确定息肉病变图像中息肉病变部位的具体位置，生成息肉病变部位位置信息集，可实现自动对息肉病变位置进行准确定位，从而减少临床医师的工作量。
1.一种内窥镜图像检测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的方法，其特征在于，通过对所述预选息肉病变视频片段中所有的图像帧进行划分，得到图像帧子块集具体包括：
3.如权利要求1所述的方法，其特征在于，确定息肉病变边缘图像集具体包括：
4.如权利要求3所述的方法，其特征在于，图像帧子块共享变换值采用下述公式得到：
5.如权利要求1所述的方法，其特征在于，对所述息肉病变边缘图像集中的息肉病变边缘图像进行特征变化计算，得到每个息肉病变边缘图像的特征变化系数具体包括：
6.如权利要求5所述的方法，其特征在于，计算息肉病变边缘图像的特征变化系数采用下述公式：
7.如权利要求1所述的方法，其特征在于，确定所述圆滑灰度直方图具体包括：
8.一种内窥镜图像检测系统，其特征在于，包括有：
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行如权利要求1至7所述的任一项内窥镜图像检测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7所述的任一项内窥镜图像检测方法。
