[发明专利]一种人体微循环血流速度检测的方法及系统

权利要求书

1.一种人体微循环血流速度检测的方法，其特征在于，包括以下步骤：

步骤1：对甲襞微循环视频图像进行去抖动运算，得到稳定的视频图像序列V；

步骤2：采用高斯混合模型对视频图像序列V进行背景建模；

步骤3：对每一帧图像中的血管进行分割，得到血管的轮廓和中线；

步骤4：采用背景差分法对血管中的运动目标进行检测跟踪，计算得到运动目标的位置，并据此生成运动轨迹图；

步骤5：对运动目标的运动轨迹图进行投影，计算得到运动目标的速度；

在步骤1中，对甲襞微循环视频图像做去抖动，得到稳定的视频图像序列V的过程包括以下步骤：

步骤11：通过显微相机获取无名指甲襞微循环的视频影像文件；

步骤12，甲襞微循环视频每一帧图像G(x,y)利用公式(1.1)进行灰度化处理得到图像g(x,y)；

Gray＝0.114×B+0.587×G+0.299×R (1.1)

其中，B、G、R分别为图像中每一个像素点的三种颜色分量；

步骤13，选择甲襞微循环视频图像序列的第一帧图像为参考帧图像，对后面每一帧都参考第一帧图像进行偏移校正，利用公式(1.2)对图像在行方向和列方向上分别进行投影得到两个独立的一维数据，

其中，分别表示第k帧图像g_k(i,j)的第i行和第j列的灰度投影值，M和N分别为图像的高度和宽度，m和n分别表示投影区间长度，1≤m≤M,1≤n≤N；

步骤14，根据公式(1.3)计算第k帧图像的行灰度投影曲线与参考帧图像行投影曲线的相关性ρ(ω)：

其中，P_k(i)为第k帧图像第i行的灰度投影值，P₁(i)为第一帧图像第i行的灰度投影值，q是偏移量相对于参考帧在一侧的搜索范围，M-2q表示图像的高度去除两侧搜索范围后的高度，ω是搜索偏移量；

步骤15，假设ω_min为ρ(ω)最小值时ω的值，则根据公式(1.4)计算第k帧图像相对于参考帧图像在垂直方向的运动矢量δ_k，

δ_k＝m+1-ω_min (1.4)

其中，δ_k为正时表明待匹配的帧向上运动了|δ_k|个像素，δ_k为负时表明向下运动了|δ_k|个像素；

步骤16，采用与步骤15同样的方法计算出当前帧图像在水平方向的运动矢量Δ_k，对当前帧图像水平方向平移-Δ_k，在垂直方向平移-δ_k，即可得到稳定的视频图像序列V；

在步骤2中，采用高斯混合模型对视频图像序列V进行背景建模的过程包括以下步骤：

步骤21，从视频图像序列V中选择第一帧图像来初始化背景模型，高斯函数的期望初始化为图像像素的灰度值，标准差初始化为常数c，则方差为c²；

步骤22，利用公式(2.1)对视频图像序列V进行背景建模，

其中，g(x,y,t)是在t时刻图像坐标(x,y)处的灰度值，P(g(x,y,t))是该灰度值出现的概率，μ_t和σ_t分别为t时刻该像素高斯分布的期望和方差；

步骤23，根据公式(2.2)检测背景像素，

|g(x,y,t)-μ_t-1(x,y)|λσ_t-1 (2.2)

其中，λ为高斯背景参数；

步骤24，利用公式(2.3)、公式(2.4)和公式(2.5)分别对高斯模型的期望、标准差和方差进行更新；

μ_t(x,y)＝(1-α)*μ_t-1(x,y)+α*g(x,y,t) (2.3)

步骤25，重复步骤23和步骤24，直至背景像素检测完毕为止，得到背景模型GM；

在步骤3中，对每一帧图像中的血管进行分割，得到血管的轮廓和中线的过程包括以下步骤：

步骤31，选择合适的阈值Th，根据公式(3.1)对景模型GM图像中任意一点的灰度值GM(x,y)进行二值化得到二值图像B(x,y)，取其中白色连通区域得到血管区域集合H，血管区域集合H中包括若干个分割出来的血管h；

步骤32，从血管集合H中选择一个目标血管h，利用数学形态学的骨架提取方法进行提取骨架，得到血管h的中线E；

在步骤4中，采用背景差分法对血管中的运动目标进行检测跟踪，计算得到运动目标的位置和运动轨迹图的过程包括以下步骤：

步骤41，利用公式(4.1)对当前帧图像f(x,y)与背景图像GM(x,y)进行差分，得到运动目标图像D(x,y)；

D(x,y)＝|f(x,y)-GM(x,y)|(4.1)

步骤42，设置一个阈值T，对运动目标图像进行二值化，若D(x,y)T，则D(x,y)＝255，否则D(x,y)＝0，得到新的二值图像D(x,y)中的白色像素区域就是运动目标；

步骤43，根据步骤32得到的中线与运动目标D(x,y)做与运算，得到交点集合HJ，对HJ中的每个点计算到中线一端的距离，得到距离集合Hd；

步骤44，根据每一帧的距离集合Hd生成运动轨迹图W，设置W的初始像素值均为0，其横坐标代表视频帧数，纵坐标代表中线上每一个点到中线端点的距离，对于第i帧图像，其距离集合为Hd_i，则对Hd_i中的每个元素a，令W(i，a)＝255，得到的运动轨迹图；

在步骤5中，对运动目标的运动轨迹图进行投影，计算得到运动目标的速度的过程包括以下步骤：

步骤51，利用公式(5.1)对运动轨迹图W在S方向进行投影，投影角度θ的值从0旋转到π，得到一个投影集合Hw；

其中，M和N分别为图像的高度和宽度，运算符┖┚表示下取整；

步骤52，对集合Hw中的每一个直方图，都计算其方差并将该方差放入集合Hσ；

步骤53，从方差集合Hσ中，选择最大的元素，并根据该元素从集合Hw中找到对应的投影直方图，从而找到该投影直方图的投影角度θ；

步骤54，计算角度θ的余切，就可得到血流速度v，即v＝cotθ。

2.一种人体微循环血流速度检测的系统，其特征在于，包括：

视频图像序列获取模块，用于对甲襞微循环视频图像进行去抖动运算，得到稳定的视频图像序列V；

背景建模模块，用于采用高斯混合模型对视频图像序列V进行背景建模；

图像血管分割模块，用于对每一帧图像中的血管进行分割，得到血管的轮廓和中线；

运动轨迹模块，用于采用背景差分法对血管中的运动目标进行检测跟踪，计算得到运动目标的位置，并据此生成运动轨迹图；

投影模块，用于对运动目标的运动轨迹图进行投影，计算得到运动目标的速度；

所述视频图像序列获取模块包括：

视频影像文件模块，用于通过显微相机获取无名指甲襞微循环的视频影像文件；

图像灰度化模块，用于对甲襞微循环视频每一帧图像G(x,y)进行灰度化得到图像g(x,y)；

图像投影模块，用于选择甲襞微循环视频图像序列的第一帧图像为参考帧图像，后面每一帧都参考第一帧图像进行偏移校正，对图像在行方向和列方向上分别进行投影得到两个独立的一维数据；

相关性计算模块，用于计算第k帧图像的行灰度投影曲线与参考帧图像行投影曲线的相关性ρ(ω)；

动矢量计算模块，用于计算第k帧图像相对于参考帧图像在垂直方向的运动矢量δ_k；

图像平移模块，用于计算当前帧图像在水平方向的运动矢量Δ_k，并对当前帧图像水平方向平移-Δ_k，在垂直方向平移-δ_k，即可得到稳定的视频图像序列V；

所述背景建模模块包括：

背景模型初始化模块，用于从视频图像序列V中选择第一帧图像来初始化背景模型，高斯函数的期望初始化为图像像素的灰度值，标准差初始化为常数c，则方差为c²；

建模模块，用于对视频图像序列V进行背景建模；

背景像素检测模块，用于检测背景像素；

更新模块，用于对高斯模型的期望、标准差和方差进行更新；

所述图像血管分割模块包括：

背景模型二值化模块，用于选择合适的阈值Th，对景模型GM图像中任意一点的灰度值GM(x,y)进行二值化得到二值图像B(x,y)，取其中白色连通区域得到血管区域集合H，血管区域集合H中包括若干个分割出来的血管h；

骨架提取模块，用于从血管集合H中选择一个目标血管h，利用数学形态学的骨架提取方法进行细化，提取骨架，得到血管h的中线E；

所述运动轨迹模块包括：

差分模块，用于对当前帧图像f(x,y)与背景图像GM(x,y)进行差分，得到运动目标图像D(x,y)；

运动目标二值化模块，用于设置一个阈值T，对运动目标图像进行二值化，若D(x,y)T，则D(x,y)＝255，否则，D(x,y)＝0，得到新的二值图像D(x,y)中的白色像素区域就是运动目标；

距离集合模块，用于中线与运动目标D(x,y)做与运算，得到交点集合HJ，对HJ中的每个点计算到中线一端的距离，得到距离集合Hd；

运动轨迹图生成模块，用于根据每一帧的距离集合Hd生成运动轨迹图W，设置运动轨迹图W的初始像素值均为0，其横坐标代表视频帧数，纵坐标代表中线上每一个点到中线端点的距离，对于第i帧图像，其距离集合为Hd_i，则对Hd_i中的每个元素a，令W(i，a)＝255，得到的运动轨迹图；

所述投影模块包括：

S方向投影模块，用于对运动轨迹图W在S方向进行投影，投影角度θ的值从0旋转到π，得到一个投影集合Hw；

方差计算模块，用于对集合Hw中的每一个直方图，都计算其方差并将该方差放入集合Hσ；

投影角度模块，用以从方差集合Hσ中，选择最大的元素，并根据该元素从集合Hw中找到对应的投影直方图，从而找到该投影直方图的投影角度θ；

角度余切计算模块，用于计算角度θ的余切，就可得到血流速度v，即v＝cotθ。