基于Kinect的人体烧伤面积自动评估系统中配准算法的研究的中期报告.docx

基于Kinect的人体烧伤面积自动评估系统中配准算法的研究的中期报告
中期报告
一、项目背景
烧伤是一种严重的皮肤组织损伤，烧伤部位的面积是一个比较重要的指标，可以用来评估病人的病情和治疗效果。传统的烧伤面积测量方法是人工测量，在测量过程中存在主观性、误差大、操作复杂等缺点。可以利用Kinect深度相机及其图像处理技术，研发出一种自动化的烧伤面积评估系统，实现快速、准确、无创、无痛的测量烧伤面积。
二、项目目标
本项目旨在构建基于Kinect的人体烧伤面积自动评估系统，实现以下目标：
1.实现深度图像的获取和处理，生成3D深度图像。
2.提取烧伤部位的轮廓，并计算出烧伤面积。
3.采用配准算法将深度图像与真实图像进行配准，实现烧伤面积的真实可视化。
4.开发友好易用的界面，方便操作者使用及保存数据。
三、研究内容
本中期报告主要介绍了本项目中的配准算法的研究及实现。
1.格式转换
首先需要将Kinect深度摄像机得到的深度图像格式转换为真实RGB图像格式。深度图像每个像素点都代表了该像素点到摄像机的距离，需要将深度图像投影到RGB图像中，得到对应的RGB像素值。投影的方法可以简单地通过双线性插值法实现。
2.特征提取
提取轮廓是配准的关键步骤，在此使用OpenCV中的Canny算法得到烧伤部位的轮廓。
3.关键点提取与匹配
通过SIFT算法提取深度图像和真实图像中的特征点，并进行关键点匹配。SIFT算法可以提取出图像中的局部特征，并具有旋转、尺度不变性，具有很好的鲁棒性。匹配的方法可以使用FLANN算法进行快速的特征点匹配。
4.配准
通过特征点匹配，可以计算出深度图像到真实图像的空间变换关系。利用OpenCV中的cv::findHomography函数，可以得到两个图像之间的变换矩阵，从而实现深度图像与真实图像的配准。接下来，在真实图像上绘制出烧伤的轮廓，就可以实现烧伤面积的真实可视化。
四、实验结果
通过实验，成功地实现了深度图像到真实图像的配准，实现了烧伤面积的真实可视化。
五、未来工作
1.改进配准算法，提高配准精度。
2.加入机器学习算法，用更高效的算法自动判断烧伤区域，使系统更加智能。
3.进一步完善系统功能，实现更加精准的测量，提高系统的可用性。
六、结论
本中期报告介绍了本项目中配准算法的研究及实现，通过特征提取、关键点匹配和配准等步骤，成功地实现了深度图像到真实图像的配准。未来，还需要对系统进行进一步完善，提高测量准确度以及用户体验。