[发明专利]一种新的全方向M型心动图运动曲线提取方法

说明书

技术领域

本发明涉及计算机视觉、数字图像处理领域，具体涉及一种新的全方向M型心动图运动曲线提取方法。

背景技术

传统上，全方向M型心动图（以下简称心动图）采用传统边缘检测，整体思路上是通过检测心动图的局部极大值的思路，获得一条心动图的边缘，并以此边缘作为提取的运动曲线。

具体的心动图上采用的边缘检测方式主要是采用竖向模板[1 1 1 0 -1 -1 -1]，并人工选定图像上的运动曲线的范围，将模板与心动图选定的部分做卷积，并获得其竖方向上的最大值，作为其运动边界，该方法在之后需要进行一次人工干预的低通滤波，人工选定滤波区域和截止频率，消除噪声和误差，最后获得比较可靠的运动曲线。

如上所述，该方法最明显的缺点是需要比较多的人工干预，也就是现有技术的自动化水平有限，医务人员工作量会比较大，其次，该方法需要获得的是心动图的梯度极大值，然而心动图的噪声较大，同时仅仅以极大值边缘并不能很好的反应出心动图的客观运动情况，因此之后必须对提取出来的运动曲线进行低通滤波，然而采用低通滤波除了增加医务人员的负担，更重要的是采用该方法，主观性比较强，该方法需要医务人员的使用经验，同时，此采用低通滤波，必然会导致心动图高频信息的丢失，然而心动图的高频信息是心脏运动的细节，采用低通滤波就可能使患者关键的病患信息丢失，造成医务人员的判断失误。

因此，本算法针对上诉问题，提出一种自动化算法，该算法在简化医务人员的工作量的同时，能够对心动图的运动曲线细节有更多的保留，为医务人员对患者病情的分析提供更多的依据。

发明内容

本发明的目的在于提供一种能够对心动图的运动曲线细节有更多的保留，为医务人员对患者病情的分析提供更多的依据的新的全方向M型心动图运动曲线提取方法。

为实现上述目的，本发明的技术方案是：一种新的全方向M型心动图运动曲线提取方法，包括如下步骤，

S1：输入全方向M型心动图图像，并将该全方向M型心动图图像进行分块；

S2：计算各分块图像的参数，通过蚁群算法获取可能的边缘块图像；

S3：将步骤S2获取的边缘块图像通过遗传算法拟合sigmoid函数，从而获得全方向M型心动图的运动曲线。

在本发明一实施例中，所述步骤S1中将全方向M型心动图图像进行分块的具体方法为：设定一个分块图像的大小参数为N，将全方向M型心动图按N*N的大小进行分块，并由左上到右下，从（1,1）对各分块进行编号，其中，N取4。

在本发明一实施例中，所述步骤S2的具体实现过程如下：

S21：计算各分块图像的参数：首先，对每一分块进行阈值处理，设定一灰度阈值，将分块中在灰度阈值以上部分及以下部分的灰度平均值，分别作为前景平均灰度和背景平均灰度，并计算两者的差值；其次，计算各分块图像的灰度重心，并计算该灰度重心与分块中心连线的法线与水平方向的夹角；

S22：进行蚁群算法起始点的选择：蚁群算法的起始点从图像最左边开始，第一列各个区域按照以下概率选择起始块：

其中，和是蚁群算法的参数，分别表示蚂蚁对信息素和启发信息的重视程度，

由于不同的运动曲线具有不同的路径，为防止各个路径之间出现相互的干扰，因此，各个路径的起始块需分别选定一个信息素，而对于蚁群算法起始点的选择，需将所有的信息素综合起来选择；

S23：定义蚁群的转移算法，即各个分块对蚂蚁的吸引力为：

其中，和分别为前景惩罚和背景惩罚，表示该分块的背景或前景与该蚂蚁起始块的背景或前景相差很大的时候对该块的吸引力会下降，和计算公式如下：

其中，和分别代表该起始块的背景和前景平均灰度；和为调节参数，其取值范围为（0,1）；蚂蚁在每一步有一定概率停止在同一个地点，为其修正值，当为原点时取，否则为1，其中，为调节参数，其取值范围为（0,1）；蚂蚁会记录自己的停留次数t，每当蚂蚁往前移动时，t就会被复位成1，而当蚂蚁停留时，t就会加1，每次搜索的范围与其停留次数有关：；

S24：当所有蚂蚁在达到图像右端的时候，一次迭代结束，采用最大最小蚂蚁系统的方式进行信息素更新，所有的蚂蚁根据下式计算自己的路程：

记从（n,1）为起始块的目前蚁群所找到的最短距离为，其路径为，若没有蚂蚁从（n,1）开始，则记，为空集；其中为当蚂蚁停留的惩罚项，由下式得出结果：