基于图像域适应与边缘感知深度估计的单帧单目内窥镜图像深度估计
图像与视频处理
2022-01-13 v1 计算机视觉与模式识别
摘要
我们提出了一种从单帧单目内窥镜图像进行深度估计的方法，该方法利用通过域适应的朗伯表面转换以及基于多尺度边缘损失的深度估计。我们采用两步估计流程，包括从非配对数据进行朗伯表面转换以及深度估计。器官表面的纹理和镜面反射降低了深度估计的精度。我们将朗伯表面转换应用于内窥镜图像以去除这些纹理和反射。随后，我们使用全卷积网络（FCN）估计深度。在 FCN 的训练过程中，提升估计图像与真实深度图像之间物体边缘的相似性对于获得更好的结果十分重要。我们引入了多尺度边缘损失函数以提高深度估计的准确性。我们使用真实结肠镜图像对所提方法进行了定量评估。估计的深度值与真实深度值成正比。此外，我们将估计的深度图像应用于基于卷积神经网络的结肠镜图像解剖位置自动识别。该网络的识别准确率通过使用估计的深度图像从 69.2% 提升至 74.1%。
引用
@article{arxiv.2201.04485,
title = {Depth Estimation from Single-shot Monocular Endoscope Image Using Image Domain Adaptation And Edge-Aware Depth Estimation},
author = {Masahiro Oda and Hayato Itoh and Kiyohito Tanaka and Hirotsugu Takabatake and Masaki Mori and Hiroshi Natori and Kensaku Mori},
journal= {arXiv preprint arXiv:2201.04485},
year = {2022}
}
备注
Accepted paper as an oral presentation at Joint MICCAI workshop 2021, AE-CAI/CARE/OR2.0