在医院或妇科诊所里,通常都建有宫腔镜视频数据库,用于病例对比、病史追踪、医学研究与教学等。但是宫腔镜视频中的数据冗余度较高,存在较多无意义帧。为提高医生的浏览效率,部分学者采用视频摘要的方法,从原视帧序列中提取出有代表性的帧,以实现数据的精简。但是相关方法的精确率偏低,因此,本文在注意力评估的基础上增加了图像质量评估,通过去除那些图像质量分值较低的帧来提高精确率。本文主要工作如下:(1)预处理及提取视镜主体内容。预处理中,先后进行宫腔镜视频的帧采样、颜色空间变换。然后本文设计了提取视镜主体内容的方法:对于输入的灰度图,依次进行二值化、孔洞填充和投影,进而精确定位有效视镜区域,并提取相应的主体内容。实验表明,这可以有效去除冗余数据、提高视频摘要方法的计算效率。(2)视觉注意力评估。针对从原始的宫腔镜图像中提取出的SURF(Speeded Up Robust Features)特征点数量较少的问题,先求对应的LBP(Local Binary Patterns)图,然后从中提取SURF特征点。实验证明从宫腔镜图像的LBP图中可以提取出大量的SURF特征点,主要原因是SURF特征点容易集中在纹理信息丰富的区域,而LBP是一种区分性较强的纹理特征,所以LBP图可以突出原始宫腔镜图像中的纹理信息。本文在此基础上进行相邻帧的特征点匹配,并进一步计算注意力值。实验结果表明,在评估注意力时,该方法比传统的、基于光流法的计算方式的效果好。(3)图像质量评估及两级结构的视频摘要方法。针对现有研究中缺乏考虑图像质量因素的问题,本文提出了一种两级结构的宫腔镜视频摘要方法:首先通过图像质量评估提取关键视频段;然后从各段中提取注意力值最高的帧,以此构成视频摘要。在评价锐度时,基于DCT(Discrete Cosine Transform)系数求得锐度强度图,并对其依次进行二值化、形态学闭操作、孔洞填充,然后计算清晰区域占图像总面积的比值,作为最终的锐度值。实验表明,该方法比基于二次失真的图像锐度评价方法效果好。此外,相比于传统的对注意力曲线等长分段的方法,通过基于图像质量评估提取关键视频段,可以有效滤除无意义帧、提升视频摘要算法的精确率。实验中使用本地数据库,其中共含30个宫腔镜视频,帧速为25帧每秒。相应结果显示,本文算法(基于图像质量和注意力提取宫腔镜视频摘要)的召回率、精确率和F值分别为83.33%、51.92%、63.98%。相比于其他算法,本文方法在精确率方面有明显提升,且相应的召回率、F值也较高。