一种全方向m型心动图检测方法
【技术领域】
[0001] 本发明涉及计算机视觉、数字图像处理、医学领域,尤其是一种全方向M型心动图 检测方法。
【背景技术】
[0002] 全方向M型心动图是将医学上所获取的心脏的二维超声序列图像沿任意方向取 样所重建出的灰度(位置)一时间波形图。全方向M型心动图的边缘的实质是血液与腔室 壁组织结构形成的分界线与方向线交点的位置变化按时间展开该运动曲线能够比较清晰 的显示局部心脏结构随运动变化的细节。提取出全方向M型心动图的边缘并对此边缘进行 分析,便等效于分析了室壁与血液在方向线上的分界点往返运动的情况。而室壁与血液的 边界点的运动情况直接反映了心脏腔室壁受血液动力的冲击和室壁压迫血液后的运动情 况,这对临床诊断是十分重要的血液动力学信息。
[0003] 传统边缘检测算法面对成像原理较为复杂,图像质量模糊而且含有很多噪声的全 方向M型心动图的时候所表现出的检测效果并不理想,这主要是因为:传统的边缘检测算 法均是以梯度运算为基础,他们仅仅只考虑了梯度幅度,如果梯度幅度大于所设定的阈值 就认为是边缘点,对于灰度变化明显并且对比度较高的图像边缘,这些算子都能满足要求。 但是如果图像噪声影响较大,或者图像灰度变化不明显的模糊边缘,那么检测效果就不理 想或者无法检测出来。
[0004] 至今为止,人们已经对心动图的边缘检测进行了大量的研究,目前正在临床上应 用的基于灰度值线状模板搜索法结合人工干预进行全方向M型心动图边界的自动和准自 动提取的方法,取得了不错的效果,但都只针对一些采样效果相对理想的心动图,面对存在 大量噪声,图像较为模糊的心动图,解决起来仍然存在不足。
【发明内容】
[0005] 有鉴于此,本发明的目的是提供一种全方向M型心动图自动检测方法。
[0006] 本发明采用以下方案实现:一种全方向M型心动图检测方法,其特征在于:采用结 合分数阶微分的图像增强和基于灰色绝对关联度构造统计量进行图像边缘检测的算法,首 先对模糊的心动图进行分数阶微分的图像增强,然后再按照灰色关联度思想构造统计量, 从心动图复杂的心脏组织纹理中找到灰度相关性最低的边缘,最后再用区域标记法与所设 定的阈值进行比较,去掉孤立的噪声点,得到最佳的运动曲线。
[0007] 在本发明一实施例中,其具体步骤为:
[0008] SOl :输入一幅心动图图像,进行高斯滤波处理;
[0009] S02 :采用分数阶微分进行图像增强处理;
[0010] S03 :选取最优阶数进行增强处理;
[0011] S04 :利用灰色绝对关联度构造统计量检测出变化最为剧烈的运动曲线;
[0012] S05 :用区域标记法消除长度小于5个像素的伪边缘点,并进行连接得到最终运动 曲线。
[0013] 在本发明一实施例中,待检测全方向M型心动图为临床上较为模糊且含噪声较多 的图像。
[0014] 在本发明一实施例中,所述步骤S02具体为:
[0015] S21 :采用高斯滤波对含噪图像进行预处理;
[0016] S22:为了继续保持心动图灰度分布的均匀性,应该对整个高斯模板的权值,进行 规范化处理;
[0017] 在本发明一实施例中,所述步骤S22处理完成后,采用分数阶微分来对对比度较 低的含噪图像进行增强处理,使得在抑制图像中的背景和噪声的同时使得边缘细节信息变 得清晰易于检测。
[0018] 在本发明一实施例中,所述步骤S03具体为:
[0019] S31 :选择较为经典的5X5Tiansi模板来对心动图进行增强处理;
[0020] S32 :针对具体心动图的特点,采用0. 1~0. 9阶的微分模板对心动图进行增强处 理,并得到效果最为理想的阶数来作为最优阶数。
[0021] 在本发明一实施例中,所述步骤S04具体为:设一幅心动图的大小为MXN, 为了计算方便,取理想情况下的非边缘点以及其相邻像素一起形成参考序列:k = {0, 0, 0, 0, 0, 0, 0} (k为按照图4所划分的区域标号),在按照当前像素所划分的区域Dk(k = 1,2, ....,8)中的像素形成比较序列,例如D1内的像素形成的比较序列为:
[0022] Ii1= {f u,Am, fu,fu,Au D,式中,L为像素 f(i,j)的灰度值, 有:
【主权项】
1. 一种全方向M型心动图检测方法,其特征在于:采用结合分数阶微分的图像增强和 基于灰色绝对关联度构造统计量进行图像边缘检测的算法,首先对模糊的心动图进行分数 阶微分的图像增强,然后再按照灰色关联度思想构造统计量,从心动图复杂的心脏组织纹 理中找到灰度相关性最低的边缘,最后再用区域标记法与所设定的阈值进行比较,去掉孤 立的噪声点,得到最佳的运动曲线。
2. 根据权利要求1所述的一种全方向M型心动图检测方法,其特征在于:其具体步骤 为: 501 :输入一幅心动图图像,进行1?斯滤波处理; 502 :采用分数阶微分进行图像增强处理; 503 :选取最优阶数进行增强处理; 504 :利用灰色绝对关联度构造统计量检测出变化最为剧烈的运动曲线; 505 :用区域标记法消除长度小于5个像素的伪边缘点,并进行连接得到最终运动曲 线。
3. 根据权利要求2所述的一种全方向M型心动图检测方法,其特征在于:所述步骤SOl 具体为: 511 :利用高斯滤波来处理模糊的含噪图像; 512 :滤波器的模板的权值之和不为1,为了继续保持心动图灰度分布的均匀性,应该 对整个模板的权值,进行规范化处理。
4. 根据权利要求2所述的一种全方向M型心动图方法,其特征在于:所述步骤S03具 体为: 531 :采用0. 1~0. 9阶的分数阶微分对图像进行增强处理; 532 :对比各阶分数阶微分的结果,找到最优阶数,使得增强后的边缘最为清晰易检测。
5. 根据权利要求2所述的一种视频序列彩色图像拼接方法,其特 征在于:所述步骤S04的实现方式:选择窗口大小,并选择中心像素为 : /(?』,按从上到下从左到右的顺序遍历图像;在图像窗口中以/(*&/)为中心,按水平和垂 直以及两对角线将窗口像素分为8个部分;由于要从拥有复杂肌肉背景的心动图中提取出 变化最为剧烈的运动曲线,因此按公式
(2)进行计算得到统计量$,然后再设定阈值令1*_ =min { 2; },如果T11〈丨则认为/(ij)是边缘点,否则为非边缘点,式中?像素/(ij)的灰度值。
6. 根据权利要求2所述的一种全方向M型心动图检测方法,其特征在于:所述步骤 S05处理完成后,由于灰度变化剧烈也有可能是孤立的噪声点,再根据噪声点的孤立特点, 利用区域标记法消除长度小于5个像素的伪边缘点,并进行连接得到最终运动曲线。
【专利摘要】本发明涉及一种全方向M型心动图检测方法,其特征在于:采用结合分数阶微分的图像增强和基于灰色绝对关联度构造统计量进行图像边缘检测的算法,首先对模糊的心动图进行分数阶微分的图像增强,然后再按照灰色关联度思想构造统计量,从心动图复杂的心脏组织纹理中找到灰度相关性最低的边缘,最后再用区域标记法与所设定的阈值进行比较,去掉孤立的噪声点,得到最佳的运动曲线。
【IPC分类】G06T5-00, G06T7-00
【公开号】CN104680548
【申请号】CN201510124454
【发明人】黄立勤, 王琨
【申请人】福州大学
【公开日】2015年6月3日
【申请日】2015年3月20日