內(nèi)窺鏡器械跟蹤算法是持鏡機械臂自動導(dǎo)航系統(tǒng)的核心算法之一,也是醫(yī)療手術(shù)機器人的核心算法之一。目前,手術(shù)工具跟蹤算法大多基于機器視覺方法,計算量較復(fù)雜,在實時性和準(zhǔn)確性上還不能完全滿足實際需求。本文基于實際的應(yīng)用課題,對內(nèi)窺鏡器械跟蹤進行深入研究。首先研究了內(nèi)窺鏡器械檢測算法,其中包括基于傳統(tǒng)特征提取的模板匹配方法和基于深度學(xué)習(xí)的YOLOv2檢測方法,同時為了更進一步提高算法的實時性和應(yīng)用廣泛性,本文研究了基于YOLOv2和KCF的內(nèi)窺鏡器械跟蹤算法,利用KCF加速跟蹤算法。針對于內(nèi)窺鏡器械檢測,本文研究了基于模板匹配的檢測算法和基于YOLOv2的檢測算法。首先研究了基于模板匹配的內(nèi)窺鏡器械檢測算法。在算法準(zhǔn)確率方面,將SURF特征與灰度直方圖特征相結(jié)合,相對于單一特征提高了檢測精度;在算法速度方面,本文使用多步階灰度直方圖匹配,通過由大到小改變步階值,減小檢測時間。為了更好的提高檢測準(zhǔn)確度和實時性,本文研究了基于YOLOv2的內(nèi)窺鏡器械檢測算法,詳細的闡述了構(gòu)建網(wǎng)絡(luò)的訓(xùn)練過程以及檢測過程,并且自主構(gòu)建數(shù)據(jù)集進行訓(xùn)練和測試,相對于模板匹配方法,提高了檢測準(zhǔn)確性和實時性。為了更進一步提高算... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：99 頁

【學(xué)位級別】：碩士

【部分圖文】：

神經(jīng)元模型

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文 ( x ) max(0, x)(2-3)如圖 2-2 所示，Sigmoid 函數(shù)在輸入較大和較小時，函數(shù)梯度接近 0，存在梯度飽和問題。與 Sigmoid 函數(shù)相比，ReLU 函數(shù)在 x 0時不存在梯度飽和問題，同時 ReLU 為分段線性函數(shù)，計算相對簡單，因此在神經(jīng)網(wǎng)絡(luò)中 ReLU 函數(shù)更加常用。

) Sigmoid 函數(shù) (b)ReLU 函圖 2-2 Sigmoid 函數(shù)與 ReLU 函數(shù)曲線圖多個神經(jīng)元按照一定的層次結(jié)構(gòu)連接起來，就得ceptron, MLP)，如圖 2-3 為包含一個隱含層的多層

【參考文獻】：
期刊論文
[1]基于SURF算法的醫(yī)學(xué)圖像特征點匹配[J]. 劉橋,楊正坤,李晗.  電子科技. 2014(05)
[2]隨機梯度下降法的收斂速度(英文)[J]. 汪寶彬,戴濟能.  數(shù)學(xué)雜志. 2012(01)
[3]粒子濾波評述[J]. 程水英,張劍云.  宇航學(xué)報. 2008(04)

碩士論文
[1]基于KCF的目標(biāo)跟蹤算法改進及GPU系統(tǒng)實現(xiàn)[D]. 劉金花.西安電子科技大學(xué) 2017



本文編號：2941545