一种用于耳鼻喉科的照明场景识别方法与流程

本发明涉及医疗图像识别领域，具体而言，涉及一种用于耳鼻喉科的照明场景识别方法。

背景技术：

随着智能化、自动化技术的不断发展，人们在日常生活、工作、学习中越来越多地使用了智能化、自动化设备来增加生活、工作或者学习的效率和质量。例如，在医院耳鼻喉科对患者进行检查的时候，往往采用照明设备对患者的耳鼻喉进行照明，以便找到病灶和观察病情，这种照明设备根据实际应用场景的不同，其照明参数也会随之改变，以适应不同患者、不同病情的治疗观察情况，增加医生诊断的效率。

目前，在医院耳鼻喉科利用照明设备进行对患者耳鼻喉照明时，照明设备往往无法针对耳鼻喉患者的实际情况而进行光照强度的调节，导致无论在进行哪种部位的诊疗时，都以同一光照亮度进行照明，这样降低了患者的治疗体验，也增加了医生手动调节的工作量。

针对上述的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种用于耳鼻喉科的照明场景识别方法，以至少解决在医院耳鼻喉科利用照明设备进行对患者耳鼻喉照明时，照明设备往往无法针对耳鼻喉患者的实际场景情况而进行光照强度的调节，导致无论在进行哪种部位的诊疗时，都以同一光照亮度进行照明的技术问题。

根据本发明实施例的一个方面，提供了一种用于耳鼻喉科的照明场景识别方法，包括：获取原始图像数据；根据所述原始图像数据，生成待识别图像数据；将所述待识别图像数据进行识别，得到照明场景信息；根据所述照明场景信息，识别目标照明场景。

可选的，所述根据所述原始图像数据，生成待识别图像数据包括：将所述原始图像数据进行预处理，得到待识别图像数据。

可选的，所述预处理包括：降噪处理、二值化处理。

可选的，所述将所述待识别图像数据进行识别，得到照明场景信息包括：将所述待识别图像数据输入到图像识别模型中，得到场景数据，其中，所述图像识别网络模型是通过神经网络模型的训练方式训练而成的模型；根据所述场景数据，根据预设规则生成所述照明场景信息。

根据本发明实施例的另一方面，还提供了一种用于耳鼻喉科的照明场景识别装置，包括：获取模块，用于获取原始图像数据；生成模块，用于根据所述原始图像数据，生成待识别图像数据；第一识别模块，用于将所述待识别图像数据进行识别，得到照明场景信息；第二识别模块，用于根据所述照明场景信息，识别目标照明场景。

可选的，所述生成模块包括：预处理模块，用于将所述原始图像数据进行预处理，得到待识别图像数据。

可选的，所述预处理包括：降噪处理、二值化处理。

可选的，所述第一识别模块包括：识别单元，用于将所述待识别图像数据输入到图像识别模型中，得到场景数据，其中，所述图像识别网络模型是通过神经网络模型的训练方式训练而成的模型；生成单元，用于根据所述场景数据，根据预设规则生成所述照明场景信息。

根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种用于耳鼻喉科的照明场景识别方法。

根据本发明实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行一种用于耳鼻喉科的照明场景识别方法。

在本发明实施例中，采用获取原始图像数据；根据所述原始图像数据，生成待识别图像数据；将所述待识别图像数据进行识别，得到照明场景信息；根据所述照明场景信息，识别目标照明场景的方式，解决了在医院耳鼻喉科利用照明设备进行对患者耳鼻喉照明时，照明设备往往无法针对耳鼻喉患者的实际场景情况而进行光照强度的调节，导致无论在进行哪种部位的诊疗时，都以同一光照亮度进行照明的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种用于耳鼻喉科的照明场景识别方法的流程图；

图2是根据本发明实施例的一种用于耳鼻喉科的照明场景识别装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明实施例，提供了一种用于耳鼻喉科的照明场景识别方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

实施例一

图1是根据本发明实施例的一种用于耳鼻喉科的照明场景识别方法的流程图，如图1所示，该方法包括如下步骤：

步骤s102，获取原始图像数据。

具体的，本发明实施例为了根据照明设备获取到的图像数据进行了照明场景信息的判断和识别，首先需要根据照明设备上的图像获取装置对原始图像数据进行获取，其中，上述原始图像数据可以是医生在用照明设备对患者的耳鼻喉进行照明时候的图像画面，该原始图像数据可以包括画面本身的像素数据，也可以包括周围环境的环境参数，例如光线明暗等数据。

步骤s104，根据所述原始图像数据，生成待识别图像数据。

具体的，在本发明实施例获取到了原始图像数据之后，为了排除原始图像数据中不可识别的数据因素，从而得到待识别图像数据，其中，上述待识别图像数据可以直接地用于后续图像识别和场景信息的判断。

可选的，所述根据所述原始图像数据，生成待识别图像数据包括：将所述原始图像数据进行预处理，得到待识别图像数据。

可选的，所述预处理包括：降噪处理、二值化处理。

具体的，为了将原始图像数据变为待识别图像数据，本发明实施例将原始图像数据进行预处理，得到待识别图像数据，其中预处理可以是包括降噪处理、二值化处理。在经过了预处理之后的原始图像数据，就具有了被识别为场景信息的图像分析能力。

需要说明的是，图像降噪处理是指减少数字图像中噪声的过程，由于噪声是图像干扰的重要原因。一幅图像在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。根据噪声和信号的关系可将其分为三种形式:(f(x,y)表示给定原始图像,g(x,y)表示图像信号,n(x,y)表示噪声。)，本发明实施例降噪的方式可以是：1)加性噪声,此类噪声与输入图像信号无关,含噪图像可表示为f(x,y)＝g(x,y)+n(x,y),信道噪声及光导摄像管的摄像机扫描图像时产生的噪声就属这类噪声；2)乘性噪声,此类噪声与图像信号有关,含噪图像可表示为f(x,y)＝g(x,y)+n(x,y)g(x,y),飞点扫描器扫描图像时的噪声,电视图像中的相干噪声,胶片中的颗粒噪声就属于此类噪声。3)量化噪声,此类噪声与输入图像信号无关,是量化过程存在量化误差,再反映到接收端而产生。

还需要说明的是，图像二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程，在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。图像的二值化处理就是将图像上的点的灰度值为0或255，也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于在对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。如果某特定物体在内部有均匀一致的灰度值，并且其处在一个具有其他等级灰度值的均匀背景下，使用阈值法就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上(比如纹理不同)，可以将这个差别特征转换为灰度的差别，然后利用阈值选取技术来分割该图像。动态调节阈值实现图像的二值化可动态观察其分割图像的具体结果。

步骤s106，将所述待识别图像数据进行识别，得到照明场景信息。

可选的，所述将所述待识别图像数据进行识别，得到照明场景信息包括：将所述待识别图像数据输入到图像识别模型中，得到场景数据，其中，所述图像识别网络模型是通过神经网络模型的训练方式训练而成的模型；根据所述场景数据，根据预设规则生成所述照明场景信息。

具体的，为了通过上述实施例得到的待识别图像数据来进行识别，进而得到照明设备的照明场景信息，需要将所述待识别图像数据输入到图像识别模型中，得到场景数据，其中，所述图像识别网络模型是通过神经网络模型的训练方式训练而成的模型；根据所述场景数据，根据预设规则生成所述照明场景信息。

步骤s108，根据所述照明场景信息，识别目标照明场景。

具体的，当本发明实施例获取到了照明场景信息之后，需要对照明场景信息进行判断和识别，从而得到可以应用到具体亮度调节的目标照明场景，其中，目标照明场景可以是根据光度不同而区分的场景，如强光环境、暗光环境，从而指导照明设备根据不同的光亮度进行亮度调节。

通过上述实施例，解决了在医院耳鼻喉科利用照明设备进行对患者耳鼻喉照明时，照明设备往往无法针对耳鼻喉患者的实际场景情况而进行光照强度的调节，导致无论在进行哪种部位的诊疗时，都以同一光照亮度进行照明的技术问题。

实施例二

图2是根据本发明实施例的一种用于耳鼻喉科的照明场景识别装置的结构框图，如图2所示，该装置包括：

获取模块20，用于获取原始图像数据。

具体的，本发明实施例为了根据照明设备获取到的图像数据进行了照明场景信息的判断和识别，首先需要根据照明设备上的图像获取装置对原始图像数据进行获取，其中，上述原始图像数据可以是医生在用照明设备对患者的耳鼻喉进行照明时候的图像画面，该原始图像数据可以包括画面本身的像素数据，也可以包括周围环境的环境参数，例如光线明暗等数据。

生成模块22，用于根据所述原始图像数据，生成待识别图像数据。

具体的，在本发明实施例获取到了原始图像数据之后，为了排除原始图像数据中不可识别的数据因素，从而得到待识别图像数据，其中，上述待识别图像数据可以直接地用于后续图像识别和场景信息的判断。

可选的，所述生成模块包括：预处理模块，用于将所述原始图像数据进行预处理，得到待识别图像数据。

可选的，所述预处理包括：降噪处理、二值化处理。

具体的，为了将原始图像数据变为待识别图像数据，本发明实施例将原始图像数据进行预处理，得到待识别图像数据，其中预处理可以是包括降噪处理、二值化处理。在经过了预处理之后的原始图像数据，就具有了被识别为场景信息的图像分析能力。

需要说明的是，图像降噪处理是指减少数字图像中噪声的过程，由于噪声是图像干扰的重要原因。一幅图像在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。根据噪声和信号的关系可将其分为三种形式:(f(x,y)表示给定原始图像,g(x,y)表示图像信号,n(x,y)表示噪声。)，本发明实施例降噪的方式可以是：1)加性噪声,此类噪声与输入图像信号无关,含噪图像可表示为f(x,y)＝g(x,y)+n(x,y),信道噪声及光导摄像管的摄像机扫描图像时产生的噪声就属这类噪声；2)乘性噪声,此类噪声与图像信号有关,含噪图像可表示为f(x,y)＝g(x,y)+n(x,y)g(x,y),飞点扫描器扫描图像时的噪声,电视图像中的相干噪声,胶片中的颗粒噪声就属于此类噪声。3)量化噪声,此类噪声与输入图像信号无关,是量化过程存在量化误差,再反映到接收端而产生。

还需要说明的是，图像二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程，在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。图像的二值化处理就是将图像上的点的灰度值为0或255，也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于在对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。如果某特定物体在内部有均匀一致的灰度值，并且其处在一个具有其他等级灰度值的均匀背景下，使用阈值法就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上(比如纹理不同)，可以将这个差别特征转换为灰度的差别，然后利用阈值选取技术来分割该图像。动态调节阈值实现图像的二值化可动态观察其分割图像的具体结果。

第一识别模块24，用于将所述待识别图像数据进行识别，得到照明场景信息。

可选的，所述第一识别模块包括：识别单元，用于将所述待识别图像数据输入到图像识别模型中，得到场景数据，其中，所述图像识别网络模型是通过神经网络模型的训练方式训练而成的模型；生成单元，用于根据所述场景数据，根据预设规则生成所述照明场景信息。

具体的，为了通过上述实施例得到的待识别图像数据来进行识别，进而得到照明设备的照明场景信息，需要将所述待识别图像数据输入到图像识别模型中，得到场景数据，其中，所述图像识别网络模型是通过神经网络模型的训练方式训练而成的模型；根据所述场景数据，根据预设规则生成所述照明场景信息。

第二识别模块26，用于根据所述照明场景信息，识别目标照明场景。

具体的，当本发明实施例获取到了照明场景信息之后，需要对照明场景信息进行判断和识别，从而得到可以应用到具体亮度调节的目标照明场景，其中，目标照明场景可以是根据光度不同而区分的场景，如强光环境、暗光环境，从而指导照明设备根据不同的光亮度进行亮度调节。

根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种用于耳鼻喉科的照明场景识别方法。

具体的，上述方法包括：获取原始图像数据；根据所述原始图像数据，生成待识别图像数据；将所述待识别图像数据进行识别，得到照明场景信息；根据所述照明场景信息，识别目标照明场景。

根据本发明实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行一种用于耳鼻喉科的照明场景识别方法。

具体的，上述方法包括：获取原始图像数据；根据所述原始图像数据，生成待识别图像数据；将所述待识别图像数据进行识别，得到照明场景信息；根据所述照明场景信息，识别目标照明场景。

通过上述实施例，解决了在医院耳鼻喉科利用照明设备进行对患者耳鼻喉照明时，照明设备往往无法针对耳鼻喉患者的实际场景情况而进行光照强度的调节，导致无论在进行哪种部位的诊疗时，都以同一光照亮度进行照明的技术问题。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。