买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军海军青岛特勤疗养中心

摘要：本发明公开了基于图像增强的术后康复效果监测系统，系统包括图像采集模块、图像增强模块、图像分割模块和术后康复效果监测模块。本发明属于术后康复检测技术领域，具体是指基于图像增强的术后康复效果监测系统，本方案通过设定阈值进行二次筛选像素；提高白点检测准确性；通过局部处理并改进色彩均衡，从而使图像的颜色更真实和均匀；引入信息熵改进图像质量评估，避免过度或不足的对术后伤口图像处理；通过多层特征提取和双重聚类，能够准确地分割出伤口区域；边缘感知和超像素技术提高了分割的鲁棒性，能够处理复杂的伤口边界；标签融合和损失设计使得最终分割结果更具准确性和一致性；进而实现术后康复效果监测的高效性、精确性和鲁棒性。

主权项：1.基于图像增强的术后康复效果监测系统，其特征在于：系统包括图像采集模块、图像增强模块、图像分割模块和术后康复效果监测模块；所述图像采集模块采集历史术后伤口图像；所述图像增强模块通过设定阈值进行二次筛选像素；并对历史术后伤口图像进行图像块划分；基于选定的备用白点进行色彩校正；引入信息熵对色彩校正后的历史术后伤口图像进行质量评估；所述图像分割模块引入模糊聚类对图像进行分割；通过多层特征提取和双重聚类，分割伤口区域；基于边缘感知和超像素技术进行伤口边界处理；基于标签融合和损失设计构建模型损失；所述术后康复效果监测模块基于图像分割模块处理后的历史术后伤口图像构建术后伤口图像分类模型，进而对实时采集的术后伤口图像进行预测，实现术后康复效果监测；在图像增强模块中包括添加控制阈值：添加控制阈值以提高白点检测的准确性，表示如下： ；式中，γ是控制阈值；Y是YCrCb颜色空间中的亮度分量；和分别是蓝色色差分量和红色色差分量；γ取值范围为10-70；所述图像分割模块是对图像增强模块处理后的历史术后伤口图像进行处理，预先对图像进行标注康复评估等级，将康复评估等级作为图像标签，图像分割模块具体包括以下内容：多层特征提取网络单元：多层特征提取网络单元包括：卷积层，应用卷积操作以提取历史术后伤口图像的低级特征；池化层，使用最大池化操作对特征进行下采样；反卷积层，用于恢复特征图的分辨率；跳跃连接，通过跳跃连接将低级特征与高级特征结合，生成完整的历史术后伤口图像的特征图；输出层，将提取到的历史术后伤口图像的特征图输出；可微分双重聚类单元；边缘感知超像素单元：使用EA分割算法从历史术后伤口图像生成T个超像素，其中S是超像素集合，S1、S2和ST分别是第1个、第2个和第T个超像素区域，结合边缘梯度信息和超像素分割结果进行边界信息处理；标签融合单元：基于每个超像素的标签分布，其中，和分别是第1个标签和第k个标签，和是标签在超像素h中出现的数量，对标签按数量进行降序排序，得到降序标签分布集，其中，和是标签按数量降序排序后的数量，处理交集集合，C1和C2是两个超像素分割结果的标签集合，重新计算标签分布，ci2是重新计算得到的标签，ui2是重新计算得到的数量，和是标签在第一个超像素区域和第二个超像素区域中的出现数量，基于最小的选择最终标签，并为历史术后伤口图像中所有像素分配最终标签；损失设计单元：最小化当前像素与相邻像素特征之间的差距，表示为：，其中，是用于衡量当前像素与相邻像素特征之间的差距的损失函数，W是图像的宽度，H是图像的高度，、和分别是位置i+1,j、i,j和位置i,j+1的像素的特征向量，最小化每个像素标签与超像素标签之间的差距，表示为，，其中，是衡量像素标签与超像素标签之间的差距的损失函数，N是像素总数，是Kroneckerdelta函数，t是内置参数，得到最终损失L，表示为，其中，是损失权重，p是当前处理的超像素的索引，是超像素总数量，取值范围为0.1-10；分割判定单元：预先设有最大迭代次数，若图像分割模块对历史术后伤口图像的损失收敛，则图像分割模块构建完成，若达到最大迭代次数，则调整模块参数重新构建，否则继续迭代；所述可微分双重聚类单元包括跳跃连接聚类和深度聚类子网络；跳跃连接聚类包括：特征图处理，对输入历史术后伤口图像的特征图进行卷积操作，将卷积处理后的特征图与处理前的特征图进行拼接得到的特征图；响应值计算，对特征图应用softmax函数，计算每个像素在每个通道中的响应值，表示为：；基于最大置信度所在通道生成初始标签，表示为：，其中，是特征图中第n,p个像素在每个通道中的响应值；深度聚类子网络包括：构建关联度矩阵，用于特征加权，表示为：，其中，是第n个特征在第i1次迭代中对第m个聚类的权重，是第n个特征向量，和分别是第j个聚类中心和第m个聚类中心在第i1-1次迭代中的值，M是聚类中心数量；对特征加权以更新聚类中心，表示为：，其中，是第i1次迭代中第j个聚类中心；是第m个特征在第i1次迭代中对第j个聚类的权重；基于关联度和聚类中心来计算特征图，表示为：，其中，是关联度矩阵；是聚类中心矩阵；将特征图经过softmax函数处理，以获得每个通道中每个像素的响应值，表示为：；基于最大置信度所在通道生成初始标签，表示为：，其中，是特征图中第n,p个像素在每个通道中的响应值，N是迭代总数；是第n个特征在第i1次迭代中对第q个聚类的权重。

全文数据：

权利要求：

百度查询： 中国人民解放军海军青岛特勤疗养中心 基于图像增强的术后康复效果监测系统