基于残差网络的腹腔镜图像质量评估中的失真分类与排序

腹腔镜图像和视频常受噪声、烟雾、模糊和非均匀光照等不同类型的失真影响。自动检测这些失真，随后通常施加适当的图像质量增强方法，对于避免手术中的错误至关重要。在此背景下，关键步骤涉及对图像质量的客观评估，这是一个两方面的问题，既需要对影响图像的失真类型进行分类，也需要估计该失真的严重程度。与现有主要聚焦于估计质量分数的图像质量度量不同，我们在本文中提出将图像质量评估任务表述为一个多标签分类问题，同时考虑失真的类型及其严重程度（或等级）。此处，该问题随后通过基于深度神经网络的方法得以解决。在腹腔镜图像数据集上获得的结果显示了所提方法的有效性。