3. Cấu trúc luận văn
2.2 Phương pháp lọc Hessian
Trong nhiều ứng dụng thị giác máy tính, điều quan trọng là phải trích xuất các đặc trưng đặc biệt từ ảnh nó phải riêng biệt, rõ ràng để xác định vị trí và tìm thấy trong các hình ảnh khác nhau hiển thị cùng một cảnh.
Bộ lọc Hessian được áp dụng cho hình ảnh nội soi để xác định các vùng có độ lồi và lõm [12]. Hình ảnh được phân đoạn dựa trên kết quả lọc Hessian. Lọc low-pass, làm mịn Gaussian, để loại bỏ ảnh hưởng của nhiễu và kết cấu.
30
Biến đổi Fourier được áp dụng cho ảnh xám đã được chuyển đổi từ ảnh RGB gốc để loại bỏ các thành phần tần số cao. Bộ low-pass được áp dụng trong không gian tần số và biến đổi Fourier ngược được áp dụng. Ảnh hưởng của nhiễu và kết cấu của bề mặt có thể được loại bỏ, hình ảnh gốc và hình ảnh được low- pass sau khi loại bỏ các thành phần tần số cao được thể hiện như trong hình:
Hình 2.6 Ảnh gốc(bên trái) và ảnh lọc low-pass(bên phải).
Các bước để nâng cao cấu trúc giống blob(giọt nước) như sau [12]:
Bước 1: Tạo bộ lọc Gaussian G(x,y) với phóng đại chiều rộng là s
Bước 2: Tạo bộ lọc cho các đạo hàm riêng Gx(x,y), Gy(x,y) và các đạo
hàm riêng thứ hai Gxx(x, y), Gxy(x, y) và Gyy(x, y).
Bước 3: Tính Lxx (x,y), Lxy (x,y) và Lyy (x,y) là tích chập của ảnh đầu vào L(x,y) với Gxx (x, y), Gxy (x, y) và Gyy (x, y) tương ứng. Đó là:
Lxx(x,y)=Gxx(x,y) * L(x,y) (2.11) Lxy(x,y)=Gxy(x,y) * L(x,y) (2.12) Lyy(x,y)=Gyy(x,y) * L(x,y) (2.13) Lưu ý: * là ký hiệu chập
Bước 4: Tính toán ma trận (2 × 2) Hessian H, từ phương trình (2.11 - 2.13)
H = .𝐿𝐿&& 𝐿&-
&- 𝐿--/ (2.14)
Bước 5: Tính giá trị riêng λ1, λ2, (λ1 ≤ λ2) của H
Bước 6: Tính ảnh I (x, y), tại đó:
𝐼(𝑥, 𝑦) = (𝜆!(𝑥, 𝑦)"+ 𝜆"(𝑥, 𝑦)") L1 − M."(&,-)!
31
Bảng phân loại cho các mô hình và cấu trúc dựa trên các giá trị riêng của ma trận Hessian (H = cao, L = thấp, N = nhiễu) được thể hiện như sau:
𝜆!, 𝜆" Mô hình và cấu trúc
N, N Nhiễu, không có hướng ưu tiên L,H- Cấu trúc ống tối
L, H+ Cấu trúc ống sáng
H-, H- Blob giống như cấu trúc sáng H +, H + Blob giống như cấu trúc tối
Ở đây, H tương ứng với cao (lớn nhất về độ lớn) và L tương ứng với mức thấp (nhỏ nhất ở độ lớn) H+ và H- biểu thị các dấu hiệu của các giá trị riêng cao. H+ nếu H > 0 and H nếu H <0.
Hình 2.7 Ảnh gốc (bên trái) và ảnh đã được tăng cường(bên phải).
Sơ đồ phân đoạn Voronoi được sử dụng để tạo ra các vùng polyp ứng cử viên. Phân đoạn giữ lại (mức thấp hơn) giá trị ngưỡng được thể hiện trong hình:
Hình 2.8 Ảnh được phân đoạn.
Điểm màu đỏ tương ứng với điểm với giá trị cao nhất, trong khi điểm với điểm màu xanh tương ứng với điểm với giá trị thấp nhất. Phân đoạn với giá trị ngưỡng cao hơn được hiển thị trong hình dùng để xác định các khu vực ứng cử viên polyp.
32
Hình 2.9 Vùng ứng cử viên polyp.
Cuối cùng phân loại cho mỗi vùng ứng cử viên trên mô hình đã huấn luyện để xác định có phải là một polyp hay không. Trích xuất đặc trưng HOG các vùng ứng cử viên theo kích thước của vùng polyp.