一种双目立体内窥镜图像畸变校正方法及系统与流程

本技术涉及图像处理技术相关领域，具体涉及一种双目立体内窥镜图像畸变校正方法及系统。

背景技术：

1、随着光学工程、电子信息技术的发展，双目立体内窥镜已成为内、外科医学不可或缺的医疗工具，通过双目立体内窥镜可以看到常规内窥镜难以直接看到的细节，从而被广泛应用于微创手术中，为了在狭小的通道中获得更大范围的观察范围，大多数双目立体内窥镜采用广角镜头，可能导致内窥镜图像产生非线性失真，造成图像的桶形畸变，对于内窥镜图像的畸变校正变得尤为重要，但传统的图像畸变校正时，难以准确地建立畸变校正模型，使得校正后的图像不准确、清晰度不高，而且对内窥镜图像进行畸变校正通常需要进行大量的计算，特别是针对高分辨率的图像，导致处理时间较长、质量较差。

2、因此，现阶段内窥镜畸变图像校正相关技术中，存在畸变模型建模不准确、计算量大且复杂，进而导致校正后图像质量不好、清晰度较差的技术问题。

技术实现思路

1、本技术通过提供一种双目立体内窥镜图像畸变校正方法及系统，采用模型构建、点位识别、空白填充、畸变误差计算等技术手段，解决了现有内窥镜图像畸变校正存在的畸变模型建模不准确、计算量大且复杂，进而导致校正后图像质量不好、清晰度较差的技术问题，达到了精准地建立畸变模型，提高校正图像质量的技术效果。

2、本技术提供一种双目立体内窥镜图像畸变校正方法，所述方法包括：构建bp神经网络结构，其中，所述bp神经网络结构包括输入层、隐藏层和输出层，所述输入层和所述输出层分别包括正向传播节点和反向传播节点；对所述隐藏层进行节点限制，获得目标bp神经网络结构；通过所述正向传播节点，基于样本数据对所述目标bp神经网络结构进行训练，获得畸变校正模型；建立空白图像，基于所述畸变校正模型进行畸变点位识别，生成畸变点位，并进行空白填充，获得初步校正图像；获取输入权值与输出权值，对输出结果转入所述反向传播节点，通过反馈调节对所述输入权值和所述输出权值进行调节，直至满足期望输出，获得目标畸变校正模型；通过所述目标畸变校正模型对所述初步校正图像进行验证，获得校正图像，并进行插值恢复获得畸变校正图像。

3、在可能的实现方式中，对所述隐藏层进行节点限制，获得目标bp神经网络结构，执行以下处理：获取所述样本数据中样本标准图像和样本畸变图像的点位数目，分别作为所述输入层和所述输出层的节点数目；其中，根据节点数目计算公式计算获得隐藏层节点数目，公式如下所示：

4、

5、其中，nh表征所述隐藏层节点数目，n表征所述输入层的节点数目，m表征所述输出层的节点数目，a为1至10之间的常数。

6、在可能的实现方式中，通过所述正向传播节点，基于样本数据对所述目标bp神经网络结构进行训练，获得畸变校正模型，执行以下处理：基于所述样本数据分别提取样本标准图像和样本畸变图像的中心点位，生成样本标准中心点位和样本畸变中心点位，并获取点位坐标；以所述样本标准中心点位的坐标为所述bp神经网络结构的输入，以所述样本畸变中心点位的坐标为所述bp神经网络结构的输出，进行网络初步训练；根据所述样本标准图像确定样本标准图像基准点集，根据所述样本畸变图像确定样本畸变图像基准点集，其中，所述样本标准图像基准点集包括所述样本标准中心点位，所述样本畸变图像基准点集包括所述样本畸变中心点位；以所述样本标准图像基准点集为所述bp神经网络结构的输入，以所述样本畸变图像基准点集为所述bp神经网络结构的输出，进行模型深度训练，若模型输出准确率满足预设阈值，获得所述畸变校正模型。

7、在可能的实现方式中，建立空白图像，基于所述畸变校正模型进行畸变点位识别，生成畸变点位，并进行空白填充，获得初步校正图像，还执行以下处理：建立所述空白图像，遍历所述空白图像提取空白第一点位，通过所述畸变校正模型对所述空白第一点位在畸变图像中进行识别，生成畸变第一点位；对所述畸变第一点位进行像素值提取，获得畸变第一像素值，对所述空白第一点位进行所述畸变第一像素值的填充，获得所述初步校正图像。

8、在可能的实现方式中，获得所述初步校正图像之后，还执行以下处理：根据所述初步校正图像获取校正区域面积集，根据所述畸变图像获取畸变区域面积集；通过误差函数分别计算所述校正区域面积集与所述畸变区域面积集的畸变误差和校正误差，其中，误差函数如下所示：

9、

10、

11、其中，ep表征所述畸变图像与标准图像的畸变误差，sp表征标准区域面积集，p表征所述标准区域面积集中区域数目，eq表征所述初步校正图像与所述标准图像的校正误差，sq表征所述畸变区域面积集，q表征所述畸变区域面积集中区域数目，s0表征所述标准区域面积集；若所述畸变误差与所述校正误差的差值满足差值阈值，完成所述初步校正图像的验证。

12、在可能的实现方式中，若所述畸变误差与所述校正误差的差值满足差值阈值，完成所述初步校正图像的验证，还执行以下处理：以为关注度中心对畸变误差关注度进行随机外扩，获得畸变误差关注度，以为关注度中心对校正误差关注度进行随机外扩，获得校正误差关注度；基于所述畸变误差关注度和所述校正误差关注度，对畸变误差与校正误差的差值进行差值阈值的满足判断，完成所述初步校正图像的验证，其中，随机外扩的外扩幅度与所述畸变误差和所述校正误差的误差值呈负相关关联。

13、在可能的实现方式中，获取输入权值与输出权值，对输出结果转入所述反向传播节点，通过反馈调节对所述输入权值和所述输出权值进行调节，直至满足期望输出，获得目标畸变校正模型，还执行以下处理：获取数据信号基于所述输入层传输至所述隐藏层的第一输入权值，获取所述数据信号基于所述隐藏层传输至所述输出层的第一输出权值；若所述畸变校正模型的输出结果不满足所述期望输出，则对所述输出结果转入所述反向传播节点；通过所述反向传播节点对所述第一输入权值和所述第一输出权值进行反馈调节，获得第二输入权值和第二输出权值，并获取所述目标畸变校正模型。

14、本技术还提供了一种双目立体内窥镜图像畸变校正系统，包括：

15、目标bp神经网络结构获得模块，所述目标bp神经网络结构获得模块用于构建bp神经网络结构，其中，所述bp神经网络结构包括输入层、隐藏层和输出层，所述输入层和所述输出层分别包括正向传播节点和反向传播节点，对所述隐藏层进行节点限制，获得目标bp神经网络结构；

16、神经网络结构训练模块，所述神经网络结构训练模块用于通过所述正向传播节点，基于样本数据对所述目标bp神经网络结构进行训练，获得畸变校正模型；

17、畸变点位识别模块，所述畸变点位识别模块用于建立空白图像，基于所述畸变校正模型进行畸变点位识别，生成畸变点位，并进行空白填充，获得初步校正图像；

18、目标畸变校正模型获得模块，所述目标畸变校正模型获得模块用于获取输入权值与输出权值，对输出结果转入所述反向传播节点，通过反馈调节对所述输入权值和所述输出权值进行调节，直至满足期望输出，获得目标畸变校正模型；

19、畸变校正图像获得模块，所述畸变校正图像获得模块用于通过所述目标畸变校正模型对所述初步校正图像进行验证，获得校正图像，并进行插值恢复获得畸变校正图像。

20、拟通过本技术提出的一种双目立体内窥镜图像畸变校正方法及系统，构建bp神经网络结构，包括输入层、隐藏层和输出层；对隐藏层进行节点限制，获得目标bp神经网络结构；基于样本数据对目标bp神经网络结构进行训练，获得畸变校正模型；建立空白图像进行畸变点位识别，进行空白填充，获得初步校正图像；获取输入权值与输出权值，对输出结果转入所述反向传播节点，获得目标畸变校正模型；对初步校正图像进行验证，获得校正图像，并进行插值恢复获得畸变校正图像，解决了现有内窥镜图像畸变校正存在的畸变模型建模不准确、计算量大且复杂，进而导致校正后图像质量不好、清晰度较差的技术问题，达到了精准地建立畸变模型，提高校正图像质量的技术效果。