[发明专利]一种诊断前庭系统疾病的眼震信号特征提取和追踪算法

说明书

本发明公开了一种诊断前庭系统疾病的眼震信号特征提取和追踪算法，具体涉及视频图像处理方法和目标定位跟踪方法，识别准确且满足临床要求；本发明的步骤为：一、重构开闭运算去除光斑；二、顶帽底帽变化增强瞳孔区域；三、瞳孔中心定位；四、瞳孔中心跟踪；五、闭眼检测及跟踪波形去除干扰；本发明提出的重构开运算和图像增强方法能够有效的对眼震图像进行预处理，准确地提取出眼震图像的瞳孔；提出的瞳孔中心坐标计算方法不但识别精度高，而且还提高了图像计算速度，满足临床实时要求；此外，本发明对眼震图像进行闭眼检测和去除眼震信号干扰，可以消除较大的偏差，为后续的眼震信号分析和研究提供可靠的依据。

技术领域

本发明涉及视频图像处理方法和目标定位跟踪方法，具体涉及一种诊断前庭系统疾病的眼震信号特征提取和追踪算法及系统。

背景技术

前庭系统是人体感知体位变化和环境变化的重要器官，对人体自身的平衡感和空间感起关键作用，是平衡系统的重要组成部分。当人体体位发生变化时，前庭可以检测体位的变化信息并将其传递给眼睛，产生与头部转动相反的眼动以维持视网膜成像的稳定。当前庭系统功能异常、出现疾病或者受到过度的外界刺激时，前庭系统会发出错误的体位信息传递给眼睛，而当前庭所感知的人体体位与视觉观察的不一致时，人就会产生眼球震颤、眩晕等症状。

前庭系统位于头颅的颞骨岩部内，无法直接观测。在临床检查中，由于眼动系统与前庭系统之间有着紧密的偶联关系，所以观察眼球震颤的情况是诊断前庭疾病的主要方法，可通过追踪瞳孔中心获取眼球的运动速度、方向、幅度等信息以诊断眩晕疾病。因此，算法的准确性和稳定性直接影响临床诊断结果。

目前应用较为广泛的差分算法、边缘检测算法以及结合卡尔曼滤波器等算法由于易受噪声影响且复杂度较高，无法用于临床诊断。本发明首先利用串行滤波器以及图像增强处理对眼震图像进行预处理，去除睫毛和光斑，消除图像的噪声并提高瞳孔区域的对比度。然后通过在瞳孔质心周围进行搜索，确定瞳孔的中心和边缘。最后，去除闭眼数据并对跟踪瞳孔中心可以得到眼球震颤信号的波形图，通过计算眼球震动最剧烈的10秒内的平均慢相角速度(SPV)就可以初步诊断前庭系统的疾病。

发明内容

针对上述存在的技术问题，本发明的目的是：提出了一种诊断前庭系统疾病的眼震信号特征提取和追踪算法，解决了快速跟踪瞳孔中心的问题，识别准确且满足临床要求。

本发明的技术解决方案是这样实现的：一种诊断前庭系统疾病的眼震信号特征提取和追踪算法，包括如下步骤：

步骤一：重构开闭运算去除光斑；

步骤二：顶帽底帽变化增强瞳孔区域；

步骤三：瞳孔中心定位；

步骤四：瞳孔中心跟踪；

步骤五：闭眼检测及跟踪波形去除干扰。

其中，所述的步骤一为：

根据光斑噪声的灰度值通常都比瞳孔区域高很多的这一现象，可以通过下面的公式判断是不是光斑像素：

f(x，y)≥T；

其中f(x,y)是图像坐标(x,y)像素的灰度值，T为阈值，认为图像中像点的灰度值大于T的区域就是光斑点，重构开运算是先对原图像进行开运算，将比结构元素尺寸小的亮点消掉，然后将原始图像作模板，膨胀开运算后的图像，从而恢复在开运算中未被消掉的那些较亮的目标及其边缘；重构闭运算是先对图像作闭运算，将比结构元素尺寸小的暗点消掉，然后将重构开运算得到的图像为模板，腐蚀闭运算后的图像，从而恢复在闭运算中未被消掉的那些较暗的目标及其边缘。

所述的步骤二为：

设f是需要增强的输入图像，利用顶帽变换对f进行处理得到的图像h，利用底帽变换对f进行处理得到的图像b，则图像增强处理过程为：

s＝f+h-b；