Tecnologia de reconstrução de cena 3D da imagem de sequência de cistoscopia
CistoscopiaO diagnóstico por imagem é o padrão-ouro para o diagnóstico do câncer de bexiga e desempenha um papel importante no diagnóstico da doença, orientação cirúrgica e monitoramento do câncer. No entanto, como o alcance da imagem do endoscópio é limitado pela sonda ser muito pequena, a ampliação da imagem não pode ser combinada com o campo de visão e a imagem bidimensional do indivíduo não pode ser associada à estrutura tridimensional no campo de visão atual, o que limita seu uso em doenças. Estudos quantitativos ou longitudinais de fisiologia ou detecção de câncer. Visando os problemas acima, este trabalho propõe um método de reconstrução de cenas 3D baseado em imagens cistoscópicas sequenciais. O conteúdo principal inclui as seguintes partes:1. Visando o problema de que o método tradicional de calibração não pode ser aplicado na bexiga humana, é adotado um algoritmo de autocalibração do endoscópio baseado na equação de Kruppa. De acordo com as propriedades de projeção da curva quadrática absoluta, um bloco de calibração virtual é estabelecido e a matriz de parâmetros internos do endoscópio é calculada para completar a calibração do endoscópio. 2. Uma série de etapas de pré-processamento são realizadas para as imagens originais com baixa qualidade, iluminação irregular e muitos ruídos coletados pelo endoscópio. Em primeiro lugar, a região de interesse (ROI) da imagem da bexiga é extraída pelo método de máscara, a imagem ROI é convertida do espaço de cores RGB para o espaço de cores LAB e o aprimoramento de cores é realizado usando o algoritmo de equalização de histograma adaptativo de contraste limitado. Finalmente, o algoritmo de interpolação bilinear é adotado. acelerar. Ao comparar o número de cantos de recursos das imagens da bexiga antes e depois do pré-processamento, verifica-se a eficácia e a superioridade do algoritmo de pré-processamento neste artigo. 3. A nuvem de pontos tridimensional da bexiga é recuperada pelo algoritmo de estrutura de recuperação de movimento incremental. Em primeiro lugar, o algoritmo SIFT é usado para extrair e combinar os recursos da imagem pré-processada da bexiga, e um algoritmo de eliminação de correspondência falsa RANSAC com um limite de terminação adaptável aprimorado é usado. Os tempos de amostragem evitam o problema de serem difíceis de determinar os tempos de amostragem e as condições de término do algoritmo RANSAC tradicional. Em seguida, a nuvem de pontos 3D e a pose da câmera da imagem inicial são recuperadas usando restrições geométricas epipolares e o método do triângulo, os pares de câmeras são adicionados incrementalmente em sequência e os parâmetros são otimizados usando o método de ajuste de feixe para recuperar a nuvem de pontos 3D e a superfície interna da bexiga. A trajetória do espéculo. Ao reconstruir a cena 3D dos dados do modelo da bexiga e dos dados clínicos padrão, os resultados experimentais mostram que o erro médio de reprojeção após a reconstrução é inferior a um pixel (2.072,0? e 2.068,0? pixels), o que comprova que o algoritmo proposto é sexual viável.
