脉搏波图像的包络线提取与特征点跟踪_夏钧
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第 14 卷第 3 期 2015 年 6 月
江 南 大 学 学 报（ 自 然 科 学 版） Journal of Jiangnan University（ Natural Science Edition）
Vol． 14 Jun．
No． 3 2015
脉搏波图像的包络线提取与特征点跟踪
夏 钧， 陶洪峰
*
脉搏波图像分析和研究越来越成为当今生物 医学研究领域的热点之一。 许多重要的医学指标可 如血管的内中 以从脉搏波信号中分析和计算而来， 膜厚度、 血管的最大血流速度和血管的动脉硬化程 度等。 这些指标能很大程度上帮助医疗从业者更好 地分析病人的身体状况。 虽然脉搏波信号因人而 并且随着病人的年龄增长而有所差异， 但还是 异， 符合一定的周期性规律。 人体脉搏波信号呈现周期 一个周期的脉搏波波形包括主波、 潮波和 性变化， 并且定义了脉搏波信号的 4 个特 重搏波 3 个波段， 征点
Extraction of the Pulse Wave Envelope and the Feature Points Tracking
XIA Jun， TAO Hongfeng *
（ Key Laboratory of Advanced Process Control for Light Industry， Ministry of Education， Jiangnan University， Wuxi China） 214122 ， Abstract： This paper proposes a new algorithm to extract the pulse wave envelope and to track its feature points． Firstly， we cut the ＲOI area of the image， using the otsu method to binary the image． Further more， combining with and using a multithreshold method morphological operators and sobel operators detects the pulse wave envelope， locates the feature points of the pulse wave images． Key words： pulse wave， envelope extracting， multithreshold method， feature points
Image of the pulse wave after the binary method
1． 3
形态学算法
脉搏波图像经过最大类间方差阈值二值化后 然而， 连通域中有许 目标区域得到了明显的增强。 多孔洞， 极大地影响脉搏波包络线提取的质量， 增 因此， 在提取脉搏波包络线 加了图像分割的难度。 之前， 需要对连通区域的内部孔洞进行图像处理， ［8 ］ 将连通域内部的孔洞连接起来 。 数学形态学方法是处理连通域内部孔洞的常 用方法。 形态学方法利用各种几何形状的结构算子 作为形态滤波器， 在图像的目标区域进行卷积 滤 ， 波 增强目标区域和背景区域的差异性。 其中， 具有 特定半径长度的圆盘形形态学算子常被用来填充 目标区域内部的空洞。 文中将数学形态学方法推广应用于脉搏信号 图像的包络线和特征点提取。 下面给出形态学中最 腐蚀定义： 基本的膨胀、 设脉搏信号的离散数字序列为 f（ n） ， 结构元素 且有 n ＞ m， 则定义如下形态学算子。 为 α（ m ） ， 膨胀算子： （ f α） （ n） = max［ f（ n － m） α（ m） ］ n = M － 1， M …N
（ 江南大学 教育部轻工过程先进控制重点实验室 ， 江苏 无锡 214122 ） 摘 要： 针对传统包络线提取需要手工绘制的问题 ， 提出一种自动识别多普勒超声图像包络线方 法。 该算法首先对脉搏波图像进行 ＲOI 区域裁剪， 然后利用最大类间方差阈值法二值化图像 ， 结合
形态学方法和 Sobel 算子边缘检测提取脉搏波的包络线， 最后采用多门限阈值法判断和分析脉搏 实现了对脉搏波图像包络线提取和对脉搏波特征点的精确定位 。 波特征点， 关键词： 脉搏波； 包络线； 多门限阈值法； 特征点 中图分类号： TP 391 文献标志码： A 文章编号： 1671 － 7147 （ 2015 ） 03 － 0259 － 05
B， C， D 点的相对位置对于分析和诊断 号特征点 A， 病人的健康有着重要的意义。
图1 Fig． 1
一个周期的脉搏波信号 One cycle of the pulse wave
超声诊断仪上获得的脉搏波图像如图 2 所示。 图 2 是从无锡市海鹰电子系统医疗有限公司的超声 C360 上取得的脉搏波信号图像。 诊断仪 HY显然， ＲOI（ Ｒegion of Interested） 区域即目标区域， 是图像 中上方的脉搏波信号图像。 图像下方的背景区域是 算法处理中无关的背景部分， 如果不能将它与目标 区域分离， 会大大增加算法的复杂度和算法的处理 时间。 通常， 研究图像的算法往往是设计特定的滤 ， 波器 使其与当前图像的每个像素进行卷积运算。 如果能减少图像中无效的像素点， 无疑将大大提升 算法处理的效率。
1． 2
最大类间方差阈值法二值化 如图 3 所示， 脉搏信号图像经过 ＲOI 区域裁剪 ＲOI 图像 处理后， 目标与背景得到初步分离。 然而， 中还是包含大量与脉搏信号无关的背景点， 如果能 ， 增强目标物与背景的差异 就能更好地提取和分离 目标区域。 二值化是处理图像分割的主要手段之 一， 它根据图像目标区域和背景区域的灰度差异， 用设定阈值的方法把图像用仅含有 0 和 1 的二值图 像来表示， 从而增强了目标物与背景的差异 。 文中采用的图像二值化方法是最大类间方差 ［7 ］ 阈值分割法 。 该方法将图像分成目标和背景 两 类， 在图像灰度直方图的基础上， 分析和计算合适 的阈值， 使目标和背景两类类间的方差达到最大，
260
江 南 大 学 学 报 （ 自 然 科 学 版）
第 14 卷
Hale Waihona Puke Baidu
子的方向确定脉搏波图像的波峰和波谷， 取得了很 ［3 ］ 对脉搏 好的辨识效果。 高颖等 利用小波变换法， 波图像进行滤波后， 首先利用小波变换在不同频带 上分解脉搏波信号， 然后利用微分运算找到脉搏波 图像的极值点和拐点， 再利用拐点的符号来判断脉 搏信号的波峰波谷， 取得了理想的效果。 还有一些 文献提出脉搏波的处理方法， 其中大量采用了诸如 ［4 ］ ［5 ］ ［6 ］ 脉搏波图像分割 、 特征提取 和图像边缘提取 等信号处理方法， 也取得了比较满意的效果。 当病人脉搏比较虚弱时， 脉搏信号的上 然而， 升沿和下降沿坡度会变得比较平缓， 利用微分法突 出其形状特征常常会出现不准确的辨识。 另外， 重 搏波峰值的高低因血管的机能差异而相差很大， 健 ， 康人的重搏波不明显而病人的重搏波明显 利用微 分法则放大重搏信号变化时会进一步增加误检的 可能。 再次， 脉搏信号中通常伴有大量的随机噪声， 用微分法处理后会进一步放大这些噪声信号， 造成 脉搏信号的误检和漏检。 为了解决上述问题， 文中提出一种先提取脉搏 波信号图像包络线 （ 包括 ＲOI 区域的裁剪， 最大类 间方差二值化， 形态学开闭操作和边缘检测 4 个步 骤） ， 然后再利用多重门限阈值辨识和跟踪图像极 值点的方法， 并且取得了较好的效果。 处理结果表 明该算法具有较高的可信度。
［2 ］
。
修订日期： 2015 － 01 － 28 。
提出微分阈值法， 对脉搏波信号的上升沿和下降沿 进行微分运算， 突出其形状特点， 然后根据微分算
收稿日期： 2014 － 12 － 25 ；
61203092 ） ； 江苏省高校自然科学研究项目 （ 11KJB510007 ） ； 高等学 基金项目： 国家自然科学基金项目 （ 61273070 ， 校学科创新引智计划项目 （ B12018 ） ； 江苏省高校优势学科建设工程项目 。 作者简介： 夏 钧（ 1985 —） ， 男， 江苏无锡人， 控制科学与工程专业硕士研究生 。 * 通信作者： 陶洪峰（ 1979 —） ， 男， 江苏无锡人， 副教授， 工学博士。 主要从事故障检测与容错控制等研究 。 Email： taohongfeng@ hotmail． com
［1 ］
目前针对脉搏波信号分析和研究取得了许多 重要成果。 在脉搏波特征点的辨识方面， 传统的处 理方法主要是先对脉搏波信号进行滤波处理以削 然后再利用信号处理方法计算得到 弱信号的噪声， 特征点。 然而， 由于脉搏信号比较复杂， 并且个体差 异较大， 脉搏信号中通常都含有较大干扰噪声， 使 经 得传统的辨识方法在应用方面有较大的局限性， 常出现误检和漏检。 比如， 将主波峰值辨识成重搏 赵志强 波峰值或者将潮波峰值检测成主波峰值 。
使得目标区域增强， 背景区域减弱。 最大类间方差 阈值的基本原理如下： 假设图像具有 m 级灰度级，
T
灰度值 i 的像素数为 n i ， 则总像素数为∑ n i 。 将N分
i =1
为 C0 ｛ 1 － T｝ 和 C1 ｛ T + 1 ～ m｝ 两组： C0 的产生的概率
T
w0 =
pi ∑ i =1
m
= w （ T）
（ 3）
C1 的产生的概率 w1 =
∑ pi i = T +1
μ0 =
= 1 － w （ T）
m
λ =
（ r － t1 ） 2 ∑ i =1
+ （ g － t2 ） t0 = t2
2
+ （ b － t3 ）
2
（ 1） （ 2）
第3 期
夏 钧， 等： 脉搏波图像的包络线提取与特征点跟踪 法二值化图像后的效果如图 4 所示。
261
图3 Fig． 3
ＲOI 区域剪裁后的脉搏波图像
Image of the pulse wave after the ＲOI area cut 图4 Fig． 4 二值化后的脉搏波图像
1
1． 1
脉搏波包络线的提取
脉搏波 ＲOI 区域裁剪 图 1 大致描绘了一个周期内脉搏波图像的形状
特征， 它包含 3 个波段和 4 个特征点。 不同年龄的病 人， 因为血管的机能不同， 脉搏波的形状特征也会 相应有所变化。 健康人的脉搏波信号拥有陡峭的上 升沿和下降沿， 这是因为健康人的血管机能比较 好， 血管阻力较小， 血流速度大。 同时， 健康人的脉 B 。 搏信号潮波 不显著 当主动脉瓣受到血液回流的 冲击， 形成明显的脉搏波信号的重搏波峰 C 和波谷 D。 随着病人年龄的增大， 血管的机能变差导致血管 阻力变大， 血流速度变慢， 潮波 B 会相应升高甚至超 越主波 A。 同时， 血管阻力的变大会导致血液回流速 度增加， 重搏波波峰 C 和波谷 D 抬高， 使得整个脉搏 波信号呈现山丘式变化。 根据以上描述， 可知随着病人的年龄增加和心 血管机能的逐渐减退， 血管机能相应发生改变， 血 管阻力逐步变大， 流速变慢， 导致潮波 B 由不显著变 成显著， 重搏波波峰 C 和波谷 D 的位置相对于 A 点 有所升高。 因此， 从脉搏波图像上辨识出脉搏波信
图2 Fig． 2 脉搏波信号图像
Image of pulse wave signal
文中采取的 ＲOI 区域裁剪方法是阈值化方法。 超声诊断仪上采集的脉搏信号图像是 256 灰度级的 彩色图片， 具有红、 绿、 蓝 3 个通道。 对红、 绿、 蓝3 个 ， 通道设定对应的门限阈值 并设定图像总的分割阈 t2 ， t3 是当前图像对应的红、 值 t。 设 t1 ， 绿、 蓝通道的 m 是图像每一行像素的个数。 灰度值， 对于每一行像 （ 2 ） 进行计算。 素点， 采用式 （ 1 ） ， 对于每一行像素 点， 如果计算所得 λ ＜ t0 ， 则认为该行是背景部分； 则认为该行是目标部分。 反之， 当 λ ＞ t0 ， 经过 ＲOI 区域剪裁后的图像如图 3 所示。
江 南 大 学 学 报（ 自 然 科 学 版） Journal of Jiangnan University（ Natural Science Edition）
Vol． 14 Jun．
No． 3 2015
脉搏波图像的包络线提取与特征点跟踪
夏 钧， 陶洪峰
*
脉搏波图像分析和研究越来越成为当今生物 医学研究领域的热点之一。 许多重要的医学指标可 如血管的内中 以从脉搏波信号中分析和计算而来， 膜厚度、 血管的最大血流速度和血管的动脉硬化程 度等。 这些指标能很大程度上帮助医疗从业者更好 地分析病人的身体状况。 虽然脉搏波信号因人而 并且随着病人的年龄增长而有所差异， 但还是 异， 符合一定的周期性规律。 人体脉搏波信号呈现周期 一个周期的脉搏波波形包括主波、 潮波和 性变化， 并且定义了脉搏波信号的 4 个特 重搏波 3 个波段， 征点
Extraction of the Pulse Wave Envelope and the Feature Points Tracking
XIA Jun， TAO Hongfeng *
（ Key Laboratory of Advanced Process Control for Light Industry， Ministry of Education， Jiangnan University， Wuxi China） 214122 ， Abstract： This paper proposes a new algorithm to extract the pulse wave envelope and to track its feature points． Firstly， we cut the ＲOI area of the image， using the otsu method to binary the image． Further more， combining with and using a multithreshold method morphological operators and sobel operators detects the pulse wave envelope， locates the feature points of the pulse wave images． Key words： pulse wave， envelope extracting， multithreshold method， feature points
Image of the pulse wave after the binary method
1． 3
形态学算法
脉搏波图像经过最大类间方差阈值二值化后 然而， 连通域中有许 目标区域得到了明显的增强。 多孔洞， 极大地影响脉搏波包络线提取的质量， 增 因此， 在提取脉搏波包络线 加了图像分割的难度。 之前， 需要对连通区域的内部孔洞进行图像处理， ［8 ］ 将连通域内部的孔洞连接起来 。 数学形态学方法是处理连通域内部孔洞的常 用方法。 形态学方法利用各种几何形状的结构算子 作为形态滤波器， 在图像的目标区域进行卷积 滤 ， 波 增强目标区域和背景区域的差异性。 其中， 具有 特定半径长度的圆盘形形态学算子常被用来填充 目标区域内部的空洞。 文中将数学形态学方法推广应用于脉搏信号 图像的包络线和特征点提取。 下面给出形态学中最 腐蚀定义： 基本的膨胀、 设脉搏信号的离散数字序列为 f（ n） ， 结构元素 且有 n ＞ m， 则定义如下形态学算子。 为 α（ m ） ， 膨胀算子： （ f α） （ n） = max［ f（ n － m） α（ m） ］ n = M － 1， M …N
（ 江南大学 教育部轻工过程先进控制重点实验室 ， 江苏 无锡 214122 ） 摘 要： 针对传统包络线提取需要手工绘制的问题 ， 提出一种自动识别多普勒超声图像包络线方 法。 该算法首先对脉搏波图像进行 ＲOI 区域裁剪， 然后利用最大类间方差阈值法二值化图像 ， 结合
形态学方法和 Sobel 算子边缘检测提取脉搏波的包络线， 最后采用多门限阈值法判断和分析脉搏 实现了对脉搏波图像包络线提取和对脉搏波特征点的精确定位 。 波特征点， 关键词： 脉搏波； 包络线； 多门限阈值法； 特征点 中图分类号： TP 391 文献标志码： A 文章编号： 1671 － 7147 （ 2015 ） 03 － 0259 － 05
B， C， D 点的相对位置对于分析和诊断 号特征点 A， 病人的健康有着重要的意义。
图1 Fig． 1
一个周期的脉搏波信号 One cycle of the pulse wave
超声诊断仪上获得的脉搏波图像如图 2 所示。 图 2 是从无锡市海鹰电子系统医疗有限公司的超声 C360 上取得的脉搏波信号图像。 诊断仪 HY显然， ＲOI（ Ｒegion of Interested） 区域即目标区域， 是图像 中上方的脉搏波信号图像。 图像下方的背景区域是 算法处理中无关的背景部分， 如果不能将它与目标 区域分离， 会大大增加算法的复杂度和算法的处理 时间。 通常， 研究图像的算法往往是设计特定的滤 ， 波器 使其与当前图像的每个像素进行卷积运算。 如果能减少图像中无效的像素点， 无疑将大大提升 算法处理的效率。
1． 2
最大类间方差阈值法二值化 如图 3 所示， 脉搏信号图像经过 ＲOI 区域裁剪 ＲOI 图像 处理后， 目标与背景得到初步分离。 然而， 中还是包含大量与脉搏信号无关的背景点， 如果能 ， 增强目标物与背景的差异 就能更好地提取和分离 目标区域。 二值化是处理图像分割的主要手段之 一， 它根据图像目标区域和背景区域的灰度差异， 用设定阈值的方法把图像用仅含有 0 和 1 的二值图 像来表示， 从而增强了目标物与背景的差异 。 文中采用的图像二值化方法是最大类间方差 ［7 ］ 阈值分割法 。 该方法将图像分成目标和背景 两 类， 在图像灰度直方图的基础上， 分析和计算合适 的阈值， 使目标和背景两类类间的方差达到最大，
260
江 南 大 学 学 报 （ 自 然 科 学 版）
第 14 卷
Hale Waihona Puke Baidu
子的方向确定脉搏波图像的波峰和波谷， 取得了很 ［3 ］ 对脉搏 好的辨识效果。 高颖等 利用小波变换法， 波图像进行滤波后， 首先利用小波变换在不同频带 上分解脉搏波信号， 然后利用微分运算找到脉搏波 图像的极值点和拐点， 再利用拐点的符号来判断脉 搏信号的波峰波谷， 取得了理想的效果。 还有一些 文献提出脉搏波的处理方法， 其中大量采用了诸如 ［4 ］ ［5 ］ ［6 ］ 脉搏波图像分割 、 特征提取 和图像边缘提取 等信号处理方法， 也取得了比较满意的效果。 当病人脉搏比较虚弱时， 脉搏信号的上 然而， 升沿和下降沿坡度会变得比较平缓， 利用微分法突 出其形状特征常常会出现不准确的辨识。 另外， 重 搏波峰值的高低因血管的机能差异而相差很大， 健 ， 康人的重搏波不明显而病人的重搏波明显 利用微 分法则放大重搏信号变化时会进一步增加误检的 可能。 再次， 脉搏信号中通常伴有大量的随机噪声， 用微分法处理后会进一步放大这些噪声信号， 造成 脉搏信号的误检和漏检。 为了解决上述问题， 文中提出一种先提取脉搏 波信号图像包络线 （ 包括 ＲOI 区域的裁剪， 最大类 间方差二值化， 形态学开闭操作和边缘检测 4 个步 骤） ， 然后再利用多重门限阈值辨识和跟踪图像极 值点的方法， 并且取得了较好的效果。 处理结果表 明该算法具有较高的可信度。
［2 ］
。
修订日期： 2015 － 01 － 28 。
提出微分阈值法， 对脉搏波信号的上升沿和下降沿 进行微分运算， 突出其形状特点， 然后根据微分算
收稿日期： 2014 － 12 － 25 ；
61203092 ） ； 江苏省高校自然科学研究项目 （ 11KJB510007 ） ； 高等学 基金项目： 国家自然科学基金项目 （ 61273070 ， 校学科创新引智计划项目 （ B12018 ） ； 江苏省高校优势学科建设工程项目 。 作者简介： 夏 钧（ 1985 —） ， 男， 江苏无锡人， 控制科学与工程专业硕士研究生 。 * 通信作者： 陶洪峰（ 1979 —） ， 男， 江苏无锡人， 副教授， 工学博士。 主要从事故障检测与容错控制等研究 。 Email： taohongfeng@ hotmail． com
［1 ］
目前针对脉搏波信号分析和研究取得了许多 重要成果。 在脉搏波特征点的辨识方面， 传统的处 理方法主要是先对脉搏波信号进行滤波处理以削 然后再利用信号处理方法计算得到 弱信号的噪声， 特征点。 然而， 由于脉搏信号比较复杂， 并且个体差 异较大， 脉搏信号中通常都含有较大干扰噪声， 使 经 得传统的辨识方法在应用方面有较大的局限性， 常出现误检和漏检。 比如， 将主波峰值辨识成重搏 赵志强 波峰值或者将潮波峰值检测成主波峰值 。
使得目标区域增强， 背景区域减弱。 最大类间方差 阈值的基本原理如下： 假设图像具有 m 级灰度级，
T
灰度值 i 的像素数为 n i ， 则总像素数为∑ n i 。 将N分
i =1
为 C0 ｛ 1 － T｝ 和 C1 ｛ T + 1 ～ m｝ 两组： C0 的产生的概率
T
w0 =
pi ∑ i =1
m
= w （ T）
（ 3）
C1 的产生的概率 w1 =
∑ pi i = T +1
μ0 =
= 1 － w （ T）
m
λ =
（ r － t1 ） 2 ∑ i =1
+ （ g － t2 ） t0 = t2
2
+ （ b － t3 ）
2
（ 1） （ 2）
第3 期
夏 钧， 等： 脉搏波图像的包络线提取与特征点跟踪 法二值化图像后的效果如图 4 所示。
261
图3 Fig． 3
ＲOI 区域剪裁后的脉搏波图像
Image of the pulse wave after the ＲOI area cut 图4 Fig． 4 二值化后的脉搏波图像
1
1． 1
脉搏波包络线的提取
脉搏波 ＲOI 区域裁剪 图 1 大致描绘了一个周期内脉搏波图像的形状
特征， 它包含 3 个波段和 4 个特征点。 不同年龄的病 人， 因为血管的机能不同， 脉搏波的形状特征也会 相应有所变化。 健康人的脉搏波信号拥有陡峭的上 升沿和下降沿， 这是因为健康人的血管机能比较 好， 血管阻力较小， 血流速度大。 同时， 健康人的脉 B 。 搏信号潮波 不显著 当主动脉瓣受到血液回流的 冲击， 形成明显的脉搏波信号的重搏波峰 C 和波谷 D。 随着病人年龄的增大， 血管的机能变差导致血管 阻力变大， 血流速度变慢， 潮波 B 会相应升高甚至超 越主波 A。 同时， 血管阻力的变大会导致血液回流速 度增加， 重搏波波峰 C 和波谷 D 抬高， 使得整个脉搏 波信号呈现山丘式变化。 根据以上描述， 可知随着病人的年龄增加和心 血管机能的逐渐减退， 血管机能相应发生改变， 血 管阻力逐步变大， 流速变慢， 导致潮波 B 由不显著变 成显著， 重搏波波峰 C 和波谷 D 的位置相对于 A 点 有所升高。 因此， 从脉搏波图像上辨识出脉搏波信
图2 Fig． 2 脉搏波信号图像
Image of pulse wave signal
文中采取的 ＲOI 区域裁剪方法是阈值化方法。 超声诊断仪上采集的脉搏信号图像是 256 灰度级的 彩色图片， 具有红、 绿、 蓝 3 个通道。 对红、 绿、 蓝3 个 ， 通道设定对应的门限阈值 并设定图像总的分割阈 t2 ， t3 是当前图像对应的红、 值 t。 设 t1 ， 绿、 蓝通道的 m 是图像每一行像素的个数。 灰度值， 对于每一行像 （ 2 ） 进行计算。 素点， 采用式 （ 1 ） ， 对于每一行像素 点， 如果计算所得 λ ＜ t0 ， 则认为该行是背景部分； 则认为该行是目标部分。 反之， 当 λ ＞ t0 ， 经过 ＲOI 区域剪裁后的图像如图 3 所示。