一种基于人工智能的红外成像智能优化方法

本发明涉及红外成像，特别涉及一种基于人工智能的红外成像智能优化方法。

背景技术：

1、红外成像技术在各行各业中都有着广泛的应用，其能够有效地方便人们实现光照不佳的环境下的图像采集工作。也被应用在医疗诊断领域。

2、近年来，包括热断层成像系统在内的红外热成像技术作为功能状态检测设备在体检领域获得了不少中医的认可。根据不同细胞产生的热量不同，如癌细胞被证明具有高新陈代谢率，因此相对于其他细胞会产生更高的热，可疑通过红外成像实现再医疗领域的诊断。

3、然而，红外热像仪在工作时会存在较多的杂散光干扰，这些杂散光干扰会导致红外热像仪获取的图像的质量较差，影响成像效果，进而无法保证医疗诊断的准确性。

技术实现思路

1、本发明提供一种基于人工智能的红外成像智能优化方法，用以解决背景技术中提出的问题。

2、一种基于人工智能的红外成像智能优化方法，包括：

3、s1：接收患者发出的红外图像，并获取红外图像对应的原始图像矩阵，对历史红外图像进行非均匀校正，获取非均匀校正对应的处理图像矩阵；

4、s2：利用处理图像矩阵，对原始图像矩阵进行图像修正，得到目标图像矩阵，并基于人工智能按照预设规则获取目标图像矩阵的暗色区域，亮色区域和正常区域；

5、s3：以正常区域的图像参数为基准，分别对暗色区域和亮色区域的图像参数进行迭代，根据迭代结果确定暗色区域和亮色区域的目标图像参数；

6、s4：利用目标图像参数对暗色区域和亮色区域进行优化，得到目标红外图像。

7、优选的，s1中，接收患者发出的红外图像，并获取红外图像对应的原始图像矩阵，对历史红外图像进行非均匀校正，获取非均匀校正对应的处理图像矩阵，包括：

8、获取红外图像的初始矩阵参数，并基于初始矩阵参数得到原始图像矩阵；

9、基于红外成像仪的自身光学器件的红外辐射参数，对历史红外图像进行非均匀校正，得到校正图像；

10、获取校正图像的校正矩阵参数，并基于校正矩阵参数得到处理图像矩阵。

11、优选的，s2中，利用处理图像矩阵，对原始图像矩阵进行图像修正，得到目标图像矩阵，包括：

12、获取历史红外图像的历史图像矩阵，并将历史图像矩阵减去处理图像矩阵，得到图像修正矩阵；

13、基于红外图像和历史红外图像之间的图像特征差异，对图像修正矩阵进行调整，得到目标图像修正矩阵；

14、将原始图像矩阵减去目标图像修正矩阵，得到目标图像矩阵。

15、优选的，s2中，基于人工智能按照预设规则获取目标图像矩阵的暗色区域，亮色区域和正常区域，包括：

16、基于目标图像矩阵，获取目标图像的色彩值和亮度值，并获取其他相关参数值；

17、基于成像目的，确定暗色区域，亮色区域和正常区域分别对应的色彩阈值，亮度阈值和其他相关参数阈值，并为色彩阈值，亮度阈值和其他相关参数阈值匹配对应的权重；

18、基于色彩阈值，亮度阈值和其他相关参数阈值及其对应的权重，基于人工智能对目标图像进行区域划分，得到暗色区域，亮色区域和正常区域。

19、优选的，s3中，以正常区域的图像参数为基准，分别对暗色区域和亮色区域的图像参数进行迭代，根据迭代结果确定暗色区域和亮色区域的目标图像参数，包括：

20、将正常区域的图像参数按照对目标红外图像的图像质量直观参数和图像质量隐藏参数，并确定图像质量直观参数和图像质量隐藏参数的联合分布概率，且基于联合分布概率设计得到迭代终止条件；

21、基于图像质量直观参数，图像质量隐藏参数和迭代终止条件构建初始参数迭代模型；

22、基于暗色区域的图像参数与正常区域的图像参数之间的参数矢量差异，确定对暗色区域的第一迭代方向，基于亮色区域的图像参数与正常区域的图像参数之间的参数矢量差异，确定对亮色区域的第二迭代方向；

23、基于第一迭代方向和第二迭代方向分别对初始参数迭代模型进行迭代方向限定，得到暗色参数迭代模型和亮色参数迭代模型；

24、将暗色区域的图像参数输入暗色参数迭代模型中输出得到第一图像参数，将亮色区域的图像参数输入亮色参数迭代模型中输出得到第二图像参数；

25、用于基预设全局最优解准则，判断第一图像参数和第二图像参数是否为参数迭代过程的全局最优解；

26、若是，将第一图像参数和第二图像参数作为暗色区域和亮色区域的目标图像参数；

27、否则，基于判断结果差异，对迭代终止条件设计迭代权重，得到最新得带终止条件，继续对第一图像参数和第二图像参数进行参数迭代，直到满足全局最优解，输出得到暗色区域和亮色区域的目标图像参数。

28、优选的，基于联合分布概率设计得到迭代终止条件，包括：

29、获取与联合分布概率对应的迭代参考正数；

30、设计相邻两次参数迭代的迭代结果值之间的差值小于迭代参考正数，作为迭代终止条件。

31、优选的，基于图像质量直观参数，图像质量隐藏参数和迭代终止条件构建初始参数迭代模型，包括：

32、将图像质量直观参数作为第一子训练集，图像质量隐藏参数作为第二子训练集，获取图像质量直观参数对迭代终止条件的第一影响值，获取图像质量隐藏参数对迭代终止条件的第二影响值；

33、基于第一影响值和第二影响值，确定训练集对第一子训练集和第二子训练集的参数量比例，按照参数量比例提取第一子训练集和第二子训练集中的图像参数作为训练集；

34、基于训练集，对原始迭代模型进行训练，得到初始参数迭代模型。

35、优选的，s4中，利用目标图像参数对暗色区域和亮色区域进行优化，得到目标红外图像，包括：

36、利用目标图像参数替换暗色区域和亮色区域所在的目标图像矩阵中的原始图像参数，得到优化图像矩阵；

37、利用优化图像矩阵得到优化红外图像；

38、将优化红外图像输入图像质量检测模型中，输出得到优化红外图像的局部质量检测值和整体质量检测值；

39、判断局部质量检测值和整体质量检测值是否均满足预设图像质量要求；

40、若是，将优化红外图像作为目标红外图像；

41、否则，基于局部质量检测值和整体质量检测值对优化红外图像进行修正，并根据修正结果得到目标红外图像。

42、优选的，基于局部质量检测值和整体质量检测值对优化红外图像进行修正，并根据修正结果得到目标红外图像，包括：

43、当确定局部质量检测值和整体质量检测值均不满足预设图像质量要求时，对优化质量图像划分为极暗，较暗，正常，较亮和极亮五种区域，并为其设计对应的迭代模型进行参数迭代，得到二次迭代红外图像，将二次迭代红外图像作为目标红外图像；

44、当确定局部质量检测值不满足预设图像质量要求且整体质量检测值满足预设图像质量要求时，基于局部质量检测差异，对局部质量检测值不满足预设图像质量要求的局部图像区域进行调整，最终得到目标红外图像；

45、当确定局部质量检测值满足预设图像质量要求且整体质量检测值不满足预设图像质量要求时，基于整体质量检测差异，对优化红外图像的全部区域进行调整，最终得到目标红外图像。

46、优选的，对优化质量图像划分为极暗，较暗，正常，较亮和极亮五种区域，并为其设计对应的迭代模型进行参数迭代的迭代过程与对暗色区域，亮色区域的迭代方式相同。

47、与现有技术相比，本发明取得了一下有益效果：

48、首先通过对红外图像进行非均匀校正，获取非均匀校正对应的处理图像矩阵，利用处理图像矩阵，对原始图像矩阵进行图像修正，得到目标图像矩阵，实现在参数迭代之前对红外图像进行非均匀校正，利用处理图像矩阵，对原始图像矩阵进行图像修正，为图像参数的进一步迭代和优化提供好的图像质量基础，然后基于人工智能获取目标图像矩阵的暗色区域，亮色区域和正常区域，为红外图像的修正提供区域基础，然后以正常区域的图像参数为基准，分别对暗色区域和亮色区域的图像参数进行迭代，根据迭代结果确定暗色区域和亮色区域的目标图像参数，通过图像参数迭代的方式实现对红外图像的修正，消除了其他杂光的干扰，保证最终得到的目标红外图像的质量，为实现准确医疗诊断提供高质量红外图像。

49、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

50、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。