CN108021919A - 穴位定位的图像处理装置和图像处理方法 - Google Patents

穴位定位的图像处理装置和图像处理方法 Download PDF

Info

Publication number
CN108021919A
CN108021919A CN201610970582.5A CN201610970582A CN108021919A CN 108021919 A CN108021919 A CN 108021919A CN 201610970582 A CN201610970582 A CN 201610970582A CN 108021919 A CN108021919 A CN 108021919A
Authority
CN
China
Prior art keywords
acupuncture point
image
point
acupuncture
captured images
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610970582.5A
Other languages
English (en)
Inventor
李鑫欣
陈芒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sharp Corp
Original Assignee
Sharp Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sharp Corp filed Critical Sharp Corp
Priority to CN201610970582.5A priority Critical patent/CN108021919A/zh
Publication of CN108021919A publication Critical patent/CN108021919A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种穴位定位的图像处理装置，包括：图像捕获模块，用于捕获待定位穴位的身体部位图像；特征提取模块，用于从所捕获图像中提取图像特征点；图像匹配模块，用于将所捕获图像的图像特征点与穴位特征数据库中穴位图像样本的图像关键特征点进行匹配，以找到穴位特征数据库中图像关键特征点与所捕获图像的图像特征点匹配的穴位图像样本；空间映射函数获取模块，用于获取所找到的穴位图像样本与所捕获图像的空间映射函数；以及穴位定位模块，用于根据空间映射函数以及匹配的穴位图像样本中的穴位参考点，定位所捕获图像的穴位参考点，并依据穴位定位规则在所捕获图像中定位穴位。本申请还提出了一种图像处理方法。本申请应用了图像处理技术来实现人体穴位的定位处理，提高了穴位定位的准确度。

Description

穴位定位的图像处理装置和图像处理方法
技术领域
本申请涉及图像处理领域，更具体地涉及能够进行医学图像处理的技术。
背景技术
目前，中医医生对于穴位的判断主要取决于自己的经验，这种判断具有一定的主观性，其穴位的具体位置确定和医生的经验密切相关。此外，还存在通过穴位电阻来定位穴位的方法，但这种穴位定位的方法需要专门的仪器，而且易受皮肤表面压力，干湿度、组织极化等因素的影响，并缺乏统一的认证标准。此外，还存在一些自助穴位定位应用软件，提供一些医书上的穴位图谱给没有中医基本知识的普通人士。这种根据图谱估计穴位位置的方法显然存在定位准确的问题。
例如，参考文献1(中国专利申请CN201210388022.3)描述了一种对人体背部穴位进行定位的方法。其中，首先计算输入图像的YCbCr值，通过椭圆模型进行肤色分割，得到人体背部图，之后利用Canny边缘检测算法以及由内而外寻找白点的到人体背部上下边缘曲线，求取终点进行直线拟合得到人体脊柱线。旋转图像得到目标图像。对样本图像进行灰度标准化处理，相加求平均之后得到模板图像，最后将目标图像和模板图像进行匹配。通过模板图像中的穴位位置确定目标图像的穴位位置。
该专利申请还提供了一种应用图像处理技术定位穴位的方法。但该申请主要利用样本平均值模板进行图像拟合来定位背部穴位。因为不同的人高矮胖瘦不同，因此这种定位方法不够精确。而且，该申请也没有考虑到图像捕获时发生的三维视角变形，因此其定位方法鲁棒性不强。再次，该申请在定位穴位时利用了背部脊柱线的对称性和平滑连续性，适合对背部穴位做定位处理，但对于其他身体部位穴位，该方法并不适合。
发明内容
鉴于现有技术中存在的技术问题，本申请提出一种用于穴位定位的图像处理装置和图像处理方法，利用图像特征点来定位穴位，而不是使用模板平均值匹配方法；此外，采用例如尺度不变特征转换SIFT算法来进行图像特征点的提取，对于输入图像的仿射变换、3D视角变化、噪声、亮度变化等有较强的鲁棒性。因此，根据本申请的图像处理装置和方法提高了穴位定位的精确性，并且图像特征点的提取方法适用于全身穴位图像的特征点提取，而不是局限在某一身体部位的图像。
具体地，根据本申请的一个方面，提供了一种穴位定位的图像处理装置，包括：图像捕获模块，用于捕获待定位穴位的身体部位图像；特征提取模块，用于从所捕获图像中提取图像特征点；图像匹配模块，用于将所捕获图像的图像特征点与穴位特征数据库中穴位图像样本的图像关键特征点进行匹配，以找到穴位特征数据库中图像关键特征点与所捕获图像的图像特征点匹配的穴位图像样本；获取空间映射函数模块，用于获取所找到的穴位图像样本与所捕获图像的空间映射函数；以及穴位定位模块，用于根据空间映射函数以及匹配的穴位图像样本中的穴位参考点，定位所捕获图像的穴位参考点，并依据穴位定位规则在所捕获图像中定位穴位。
在一个实施例中，所述图像处理装置还包括：指寸/骨度分寸注册模块，用于登记用户的指寸/骨度分寸信息。
在一个实施例中，所述特征提取模块包括：尺度空间构建单元，该单元用不同内核值σ的高斯函数来构建尺度空间：L(x，y，σ)
L(x，y，σ)＝G(x，y，σ)*I(x，y)
其中I(x，y)指输入图像，G(x，y，σ)表示高斯变换函数；
高斯差分(DOG)单元，用于构建高斯差分空间金字塔，其中高斯差分函数D(x，y，σ)用以下公式计算：
D(x，y，σ)＝(G(x，y，kσ)-G(x，y，σ))*I(x，y)＝L(x，y，kσ)-L(x，y，σ)；
极值探测单元，用于探测高斯差分金字塔空间中函数D(x，y，σ)的极大值和极小值；
极值点精确定位单元，用于精确定位极值点，即图像特征点的位置；
边缘响应消除单元，用于消除图像边缘响应而造成的不稳定的空间极值点；
特征点方向分配单元，该单元通过利用图像的局部特征为每一个图像特征点分配一个基准方向，以保证图像特征点的描述符具有旋转不变性；以及
图像特征点描述单元，利用图像特征点的位置、尺度和方向来构建图像特征点的描述符。
在一个实施例中，所述图像处理装置还包括：穴位特征数据库，存储有穴位定位规则、定位穴位所需的图像关键特征点的集合、以及穴位参考点与图像关键特征点之间的几何模型。
在一个实施例中，所述穴位特征数据库根据下述方式进行训练：搜集人体全身所有穴位的穴位图像样本；从穴位图像样本中提取图像特征点；根据穴位特征数据库中的穴位示意图，在穴位图像样本上标注穴位参考点；
分析图像特征点和穴位参考点的几何关系，存储与穴位参考点有几何关系的图像特征点，作为图像关键特征点。
在一个实施例中，利用尺度不变特征转换SIFT(Scale-Invariant FeatureTransform)算法来从穴位图像样本中提取图像特征点。
在一个实施例中，所述穴位定位模块包括：参考点获取单元，用于获取所捕获图像中的图像特征点与穴位参考点，并根据映射函数以及穴位参考点与图像特征点的几何关系，获取所捕获的身体部位图像上对应于穴位特征数据库中穴位图像样本的穴位参考点的穴位参考点；穴位位置计算单元，用于根据穴位参考点来计算穴位的位置；以及穴位标定单元，用于在所捕获的身体部位图像上标注穴位的位置。
在一个实施例中，所述图像处理装置还包括：指寸/骨度分寸矢量生成单元，用于根据指寸/骨度分寸信息和穴位定位规则生成指寸/骨度分寸矢量；其中，所述穴位位置计算单元还根据指寸/骨度分寸矢量来计算穴位的位置。
在一个实施例中，所述图像匹配模块利用以下算法中的任意一项来进行匹配：Best-Bin-First(BBF)算法、RANSAC(RANdom SAmple Consensus)算法、霍夫变换。
根据本申请的另一个方面，提供了一种获取待定位穴位的身体部位图像上的穴位参考点的方法，包括：找到穴位特征数据库中与所述身体部位图像相对应的穴位图像样本，其中所述穴位特征数据库中存储有穴位定位规则、定位穴位所需的图像关键特征点的集合、以及穴位参考点与图像关键特征点之间的几何模型；基于穴位图像样本与所述身体部位图像的空间映射函数，根据穴位图像样本的图像特征关键点，定位所述身体部位图像的图像特征点；以及根据穴位特征数据库中的几何模型，获取所述身体部位图像上的穴位参考点。
根据本申请的又一个方面，提供了定位穴位的图像处理方法，包括：捕获待定位穴位的身体部位图像；提取所述身体部位图像的图像特征点；将所捕获图像的图像特征点与穴位特征数据库中穴位图像样本的图像关键特征点进行匹配，以找到穴位特征数据库中图像关键特征点与所捕获图像的图像特征点匹配的穴位图像样本；获取所找到的穴位图像样本与所捕获图像的空间映射函数；以及根据空间映射函数以及匹配的穴位图像样本中的穴位参考点，定位所捕获图像的穴位参考点，并依据穴位定位规则在所捕获图像中定位穴位。
根据本申请的图像处理装置和方法提高了穴位定位的精确性，并且图像特征点的提取方法适用于全身穴位图像的特征点提取，而不是局限在某一身体部位的图像。
附图说明
通过下文结合附图的详细描述，本申请的上述和其它特征将会变得更加明显，其中：
图1是示出了根据本申请实施例的图像处理装置的框图；
图2是示出了根据本申请实施例的特征提取模块的框图；
图3是示出了根据本申请实施例的穴位定位模块的框图；
图4示出了根据本申请实施例的穴位特征数据库的训练方式；
图5是示出了根据本申请实施例的图像处理方法的流程图；
图6是示出了根据本申请实施例的获取待定位穴位的身体部位图像上的穴位参考点的方法的流程图。
具体实施方式
下面，通过结合附图对本申请的具体实施例的描述，本申请的原理和实现将会变得明显。应当注意的是，本申请不应局限于下文所述的具体实施例。另外，为了简便起见，省略了与本申请无关的公知技术的详细描述。
图1是示出了根据本申请实施例的图像处理装置100的框图。如图1所示，根据本申请实施例的图像处理装置100包括图像捕获模块110、特征提取模块120、图像匹配模块130、空间映射函数获取模块140、穴位定位模块150。在实际应用中，图像处理装置100可以由带有摄像头和显示器的智能设备组成，如智能电视、智能手机或其他智能设备等。在这种情况下，所有模块都可以布置在该智能设备上。根据另一个示例，图像处理装置100的这些模块可以分别布置在不同的设备上。例如，图像捕获模块可以布置在智能手机上，而其他模块布置在智能电视上。当然，根据本申请的图像处理装置100不局限于这种形式。
图像捕获模块110用于捕获带定位穴位的用户的身体部位图像。例如，该图像捕获模块110可以包括摄像头，例如笔记本上的摄像头或者智能手机上的摄像头，或者与图像处理装置100的其他模块相连的单独的摄像机。
特征提取模块120用于从所捕获图像中提取图像特征点。
为了提高穴位定位的精确度，提取的特征具有很强的鲁棒性。因此，根据本申请的一个实施例，可以使用尺度不变特征转换SIFT(Scale-Invariant Feature Transform)算法。利用SIFT算法提取的特征对于输入图像的仿射变换、3D视角变化、噪声、亮度变化等有较强的鲁棒性。
图2是示出了根据本申请实施例的特征提取模块120的框图。如图2所示，根据本申请实施例的特征提取模块120可以包括：尺度空间构建单元1210、高斯差分(DOG)单元1220、极值探测单元1230、极值点精确定位单元1240、边缘响应单元消除1250、特征点方向分配单元1260以及图像特征点描述单元1270。
尺度空间构建单元1210用不同内核值σ的高斯函数来构建尺度空间：L(x，y，σ)
L(x，y，σ)＝G(x，y，σ)*I(x，y)
其中I(x，y)指输入图像，G(x，y，σ)表示高斯变换函数，
高斯差分(DOG)单元1220用于构建高斯差分空间金字塔，其中高斯差分函数D(x，y，σ)用以下公式计算：
D(x，y，σ)＝(G(x，y，kσ)-G(x，y，σ))*I(x，y)＝L(x，y，kσ)-L(x，y，σ)
极值探测单元1230用于探测高斯差分金字塔空间中函数D(x，y，σ)的极大值和极小值。通过比较D(x，y，σ)函数的像素点与其所有的相邻点来探测极值。例如，一个像素X和与它同尺度的8个相邻点和上下相邻尺度的9×2个点共26个点进行比较。
极值点精确定位单元1240用于精确定位极值点，即图像特征点的位置。为获取连续空间的极值，利用已探知的离散空间极值点进行插值算法来获取连续空间的极值点。利用尺度空间D(x，y，σ)的泰勒展开式来进行拟合
求导并让方程等于0，可以获取极值点的偏移量：
对应极值点，方程的值为：
边缘响应单元消除1250用于消除图像边缘响应而造成的不稳定的空间极值点。这是因为一个定义不好的高斯差分算子的极值在横跨边缘的地方有较大的主曲率，而在垂直边缘的地方有较小的主曲率。利用如下Hessian矩阵：
H的特征值α和β代表x和y方向的梯度
Tr(H)＝Dxx+Dyy＝α+β，
Det(H)＝DxxDyy-(Dxy)2＝αβ
假设r是较大特征值和较小特征值之比。令α＝rβ则：
特征点方向分配单元1260通过利用图像的局部特征为每一个图像特征点分配一个基准方向，以保证图像特征点的描述符具有旋转不变性。使用直方图统计图像特征点邻域内像素的梯度和方向。梯度直方图将0～360度的方向范围分为36个柱(bins)，其中每柱10度。利用半径为1.5倍σ值的窗口来统计方向。直方图的峰值就代表了图像特征点的主方向。
图像特征点描述单元1270利用图像特征点的位置、尺度和方向来构建图像特征点的描述符。
当然，根据本申请实施例所采用的提取特征的算法不限于SIFT算法。
图像匹配模块130用于将所捕获图像的图像特征点与穴位特征数据库中穴位图像样本的图像关键特征点进行匹配，以找到穴位特征数据库中图像关键特征点与所捕获图像的图像特征点匹配的穴位图像样本。
根据本申请的实施例，图像匹配模块130可以利用以下算法中的任意一项来进行匹配：Best-Bin-First(BBF)算法、RANSAC(RANdom SAmple Consensus)算法、霍夫变换。当然，根据本申请实施例所采用的匹配算法不局限于上述算法。
空间映射函数获取模块140用于获取所找到的穴位图像样本与所捕获图像的空间映射函数。
穴位定位模块150用于根据空间映射函数以及匹配的穴位图像样本中的穴位参考点，定位所捕获图像的穴位参考点，并依据穴位定位规则在所捕获图像中定位穴位。
图3是示出了根据本申请实施例的穴位定位模块150的框图。如图3所示，根据本申请实施例的穴位定位模块150可以包括：参考点获取单元1510，用于获取所捕获图像中的图像特征点与穴位参考点，并根据映射函数以及穴位参考点与图像特征点的几何关系，获取所捕获的身体部位图像上对应于穴位特征数据库中穴位图像样本的穴位参考点的穴位参考点；穴位位置计算单元1530，用于根据穴位参考点来计算穴位的位置；以及穴位标定单元1540，用于在所捕获的身体部位图像上标注穴位的位置。
图3还示出了，根据本申请实施例的穴位定位模块150还可以包括指寸/骨度分寸矢量生成单元1520，用于根据指寸/骨度分寸信息和穴位定位规则生成指寸/骨度分寸矢量。根据该实施例，穴位位置计算单元1540还根据指寸/骨度分寸矢量来计算穴位的位置。
回到图1，图1还示出了，根据本申请的另一实施例，图像处理装置100还可以包括指寸/骨度分寸注册模块160，用于登记用户的指寸/骨度分寸信息。用户可以在指寸/骨度分寸注册模块160中输入其指寸/骨度分寸的物理尺寸、用户ID、口令等。指寸/骨度分寸注册模块160可以自动保存已经登录过的用户的信息，这样，已经输入过指寸/骨度分寸信息的用户下次登录时不必重新输入该信息。
根据本申请的另一实施例，图像处理装置100还可以包括穴位特征数据库170，其中存储有穴位定位规则、定位穴位所需的图像关键特征点的集合、以及穴位参考点与图像关键特征点之间的几何模型。图像处理装置100中的图像匹配单元130将所捕获图像的图像特征点与穴位特征数据库170中穴位图像样本的图像关键特征点进行匹配，以找到穴位特征数据库170中图像关键特征点与所捕获图像的图像特征点匹配的穴位图像样本。空间映射函数获取模块140获取所找到的穴位特征数据库170中的穴位图像样本与所捕获图像的空间映射函数。穴位定位模块150根据空间映射函数以及匹配的穴位图像样本中的穴位参考点，定位所捕获图像的穴位参考点，并依据穴位特征数据库170中存储的穴位定位规则在所捕获图像中定位穴位。
当然，根据本申请的实施例，穴位特征数据库170可以独立于图像处理装置100，例如位于与图像处理装置100相连的服务器或远程设备上。图像处理装置100在需要使用数据时通过网络连接获取所需的数据。
根据本申请的实施例，穴位特征数据库170需要进行训练以存储最佳的数据，从而在后续使用中提高穴位定位的精确度。图4示出了根据本申请实施例的穴位特征数据库170的训练方式。如图4所示，首先，搜集人体全身所有穴位的穴位图像样本。穴位图像样本应该包含穴位点的大致位置图示。然后，从穴位图像样本中提取图像特征点。根据本申请的实施例，可以利用SIFT算法来提取图像特征点。之后，根据穴位特征数据库中的穴位示意图，在穴位图像样本上标注穴位参考点。例如，对于“印堂”穴位，根据穴位定位规则，其处于两眉之间，穴位参考点就是两眉中点。对于“中都”穴位，根据穴位定位规则，其处于足内踝尖上7寸，胫骨内侧面的中央位置处，那么该穴位的穴位参考点就是足内踝尖处和胫骨内侧面的中央。
最后，分析图像特征点和穴位参考点的几何关系，存储与穴位参考点有几何关系的图像特征点，作为图像关键特征点。例如，穴位参考点和该穴位的图像特征点可能处在一条直线上，或图像特征点可能处于以穴位参考点为圆心的指定半径的圆平面内等。根据图像特征点与穴位参考点的几何模型，保留与穴位参考点有几何关系的图像特征点，摈弃冗余的图像特征点。同时，保存穴位参考点与图像特征点的几何关系。各穴位的保留下来的图像特征点就是图像关键特征点。图像关键特征点可被保存在图像关键特征点集合中。
图5是示出了根据本申请实施例的图像处理方法500的流程图。如图5所示，方法500开始，在步骤S520处，捕获待定位穴位的身体部位图像。然后，在步骤S530处，提取所述身体部位图像的图像特征点。根据本申请的一个实施例，可以利用尺度不变特征转换SIFT算法来提取所述身体部位图像的图像特征点。在步骤S540处，将所捕获图像的图像特征点与穴位特征数据库中穴位图像样本的图像关键特征点进行匹配，以找到穴位特征数据库中图像关键特征点与所捕获图像的图像特征点匹配的穴位图像样本。在步骤S550处，获取所找到的穴位图像样本与所捕获图像的空间映射函数。接着在步骤S560，根据空间映射函数以及匹配的穴位图像样本中的穴位参考点，定位所捕获图像的穴位参考点，并在步骤S580，依据穴位定位规则在所捕获图像中定位穴位。可以获取所捕获图像中的图像特征点与穴位参考点，并根据映射函数以及穴位参考点与图像特征点的几何关系，获取所捕获的身体部位图像上对应于穴位特征数据库中穴位图像样本的穴位参考点的穴位参考点，然后根据穴位参考点来计算穴位的位置。根据本申请实施例的方法还可以在所捕获的身体部位图像上标注穴位的位置。然后该方法结束。
根据本申请实施例的图像处理方法还可以包括步骤S510，其中用户进行注册/登录。首次注册的用户可以输入个人指寸/骨度分寸信息。
根据本申请实施例的图像处理方法还可以包括步骤S570，生成指寸/骨度分寸矢量。这样，在步骤S580中，根据穴位参考点和指寸/骨度分寸矢量来计算穴位的位置。如果穴位的定位不需要指寸/骨度分寸，则穴位参考点就是穴位点。
图6是示出了根据本申请实施例的获取待定位穴位的身体部位图像上的穴位参考点的方法600的流程图。如图6所示，方法600开始，在步骤S610处，找到穴位特征数据库中与所述身体部位图像相对应的穴位图像样本，其中所述穴位特征数据库中存储有穴位定位规则、定位穴位所需的图像关键特征点的集合、以及穴位参考点与图像关键特征点之间的几何模型。然后在步骤S620处，基于穴位图像样本与所述身体部位图像的空间映射函数，根据穴位图像样本的图像特征关键点，定位所述身体部位图像的图像特征点。最后，在步骤S630处，根据穴位特征数据库中的几何模型，获取所述身体部位图像上的穴位参考点。如果穴位的定位不需要指寸/骨度分寸信息，则获取的穴位参考点就是穴位点。然后该方法结束。
应该理解，本申请的上述实施例可以通过软件、硬件或者软件和硬件两者的结合来实现。例如，上述实施例中的装置内的各种组件可以通过多种器件来实现，这些器件包括但不限于：模拟电路、数字电路、通用处理器、数字信号处理(DSP)电路、可编程处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程逻辑器件(CPLD)，等等。
此外，这里所公开的本申请的实施例可以在计算机程序产品上实现。更具体地，该计算机程序产品是如下的一种产品：具有计算机可读介质，计算机可读介质上编码有计算机程序逻辑，当在计算设备上执行时，该计算机程序逻辑提供相关的操作以实现本申请的上述技术方案。当在计算系统的至少一个处理器上执行时，计算机程序逻辑使得处理器执行本申请实施例所述的操作(方法)。本申请的这种设置典型地提供为设置或编码在例如光介质(例如CD-ROM)、软盘或硬盘等的计算机可读介质上的软件、代码和/或其他数据结构、或者诸如一个或多个ROM或RAM或PROM芯片上的固件或微代码的其他介质、或一个或多个模块中的可下载的软件图像、共享数据库等。软件或固件或这种配置可安装在计算设备上，以使得计算设备中的一个或多个处理器执行本申请实施例所描述的技术方案。
尽管以上已经结合本申请的优选实施例示出了本申请，但是本领域的技术人员将会理解，在不脱离本申请的精神和范围的情况下，可以对本申请进行各种修改、替换和改变。因此，本申请不应由上述实施例来限定，而应由所附权利要求及其等价物来限定。

Claims (15)

1.一种定位穴位的图像处理装置，包括：
图像捕获模块，用于捕获待定位穴位的身体部位图像；
特征提取模块，用于从所捕获图像中提取图像特征点；
图像匹配模块，用于将所捕获图像的图像特征点与穴位特征数据库中穴位图像样本的图像关键特征点进行匹配，以找到穴位特征数据库中图像关键特征点与所捕获图像的图像特征点匹配的穴位图像样本；
空间映射函数获取模块，用于获取所找到的穴位图像样本与所捕获图像的空间映射函数；以及
穴位定位模块，用于根据空间映射函数以及匹配的穴位图像样本中的穴位参考点，定位所捕获图像的穴位参考点，并依据穴位定位规则在所捕获图像中定位穴位。
2.根据权利要求1所述的图像处理装置，还包括：
指寸/骨度分寸注册模块，用于登记用户的指寸/骨度分寸信息。
3.根据权利要求1所述的图像处理装置，其中，所述特征提取模块包括：
尺度空间构建单元，该单元用不同内核值σ的高斯函数来构建尺度空间：L(x，y，σ)
L(x，y，σ)＝G(x，y，σ)*I(x，y)
其中I(x，y)指输入图像，G(x，y，σ)表示高斯变换函数；
高斯差分(DOG)单元，用于构建高斯差分空间金字塔，其中高斯差分函数D(x，y，σ)用以下公式计算：
D(x，y，σ)＝(G(x，y，kσ)-G(x，y，σ))*I(x，y)＝L(x，y，kσ)-L(x，y，σ)；
极值探测单元，用于探测高斯差分金字塔空间中函数D(x，y，σ)的极大值和极小值；
极值点精确定位单元，用于精确定位极值点，即图像特征点的位置；
边缘响应消除单元，用于消除图像边缘响应而造成的不稳定的空间极值点；
特征点方向分配单元，该单元通过利用图像的局部特征为每一个图像特征点分配一个基准方向，以保证图像特征点的描述符具有旋转不变性；以及
图像特征点描述单元，利用图像特征点的位置、尺度和方向来构建图像特征点的描述符。
4.根据权利要求1所述的图像处理装置，还包括：
穴位特征数据库，存储有穴位定位规则、定位穴位所需的图像关键特征点的集合、以及穴位参考点与图像关键特征点之间的几何模型。
5.根据权利要求4所述的图像处理装置。其中，所述穴位特征数据库根据下述方式进行训练：
搜集人体全身所有穴位的穴位图像样本；
从穴位图像样本中提取图像特征点；
根据穴位特征数据库中的穴位示意图，在穴位图像样本上标注穴位参考点；
分析图像特征点和穴位参考点的几何关系，存储与穴位参考点有几何关系的图像特征点，作为图像关键特征点。
6.根据权利要求5所述的图像处理装置，其中，利用尺度不变特征转换SIFT算法来从穴位图像样本中提取图像特征点。
7.根据权利要求1所述的图像处理装置，其中，所述穴位定位模块包括：
参考点获取单元，用于获取所捕获图像中的图像特征点与穴位参考点，并根据映射函数以及穴位参考点与图像特征点的几何关系，获取所捕获的身体部位图像上对应于穴位特征数据库中穴位图像样本的穴位参考点的穴位参考点；
穴位位置计算单元，用于根据穴位参考点来计算穴位的位置；以及
穴位标定单元，用于在所捕获的身体部位图像上标注穴位的位置。
8.根据权利要求7所述的图像处理装置，还包括：
指寸/骨度分寸矢量生成单元，用于根据指寸/骨度分寸信息和穴位定位规则生成指寸/骨度分寸矢量，
其中，所述穴位位置计算单元还根据指寸/骨度分寸矢量来计算穴位的位置。
9.根据权利要求1所述的图像处理装置，其中，所述图像匹配模块利用以下算法中的任意一项来进行匹配：Best-Bin-First(BBF)算法、RANSAC(RANdom SAmple Consensus)算法、霍夫变换。
10.一种获取待定位穴位的身体部位图像上的穴位参考点的方法，包括：
找到穴位特征数据库中与所述身体部位图像相对应的穴位图像样本，其中所述穴位特征数据库中存储有穴位定位规则、定位穴位所需的图像关键特征点的集合、以及穴位参考点与图像关键特征点之间的几何模型；
基于穴位图像样本与所述身体部位图像的空间映射函数，根据穴位图像样本的图像特征关键点，定位所述身体部位图像的图像特征点；以及
根据穴位特征数据库中的几何模型，获取所述身体部位图像上的穴位参考点。
11.一种定位穴位的图像处理方法，包括：
捕获待定位穴位的身体部位图像；
提取所述身体部位图像的图像特征点；
将所捕获图像的图像特征点与穴位特征数据库中穴位图像样本的图像关键特征点进行匹配，以找到穴位特征数据库中图像关键特征点与所捕获图像的图像特征点匹配的穴位图像样本；
获取所找到的穴位图像样本与所捕获图像的空间映射函数；以及
根据空间映射函数以及匹配的穴位图像样本中的穴位参考点，定位所捕获图像的穴位参考点，并依据穴位定位规则在所捕获图像中定位穴位。
12.根据权利要求11所述的图像处理方法，还包括：
输入个人的指寸/骨度分寸信息。
13.根据权利要求12所述的图像处理方法，其中，提取所述身体部位图像的图像特征点还包括：利用尺度不变特征转换SIFT算法来提取所述身体部位图像的图像特征点。
14.根据权利要求11所述的图像处理方法，其中，根据空间映射函数以及匹配的穴位图像样本中的穴位参考点，定位所捕获图像的穴位参考点，并依据穴位定位规则在所捕获图像中定位穴位还包括：
获取所捕获图像中的图像特征点与穴位参考点，并根据映射函数以及穴位参考点与图像特征点的几何关系，获取所捕获的身体部位图像上对应于穴位特征数据库中穴位图像样本的穴位参考点的穴位参考点；
根据穴位参考点来计算穴位的位置；
在所捕获的身体部位图像上标注穴位的位置。
15.根据权利要求14所述的图像处理方法，还包括：
根据指寸/骨度分寸信息和穴位定位规则，生成指寸/骨度分寸矢量；以及
根据指寸/骨度分寸矢量来计算穴位的位置。
CN201610970582.5A 2016-10-28 2016-10-28 穴位定位的图像处理装置和图像处理方法 Pending CN108021919A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610970582.5A CN108021919A (zh) 2016-10-28 2016-10-28 穴位定位的图像处理装置和图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610970582.5A CN108021919A (zh) 2016-10-28 2016-10-28 穴位定位的图像处理装置和图像处理方法

Publications (1)

Publication Number Publication Date
CN108021919A true CN108021919A (zh) 2018-05-11

Family

ID=62084742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610970582.5A Pending CN108021919A (zh) 2016-10-28 2016-10-28 穴位定位的图像处理装置和图像处理方法

Country Status (1)

Country Link
CN (1) CN108021919A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961338A (zh) * 2018-07-04 2018-12-07 深圳市龙岗区中医院 一种腹部穴位的辅助定位方法及装置
CN110013434A (zh) * 2019-05-29 2019-07-16 张洪娟 一种具备针法指导功能的智能超声针灸仪
CN110232318A (zh) * 2019-05-06 2019-09-13 平安科技（深圳）有限公司 穴位识别方法、装置、电子设备及存储介质
CN110464633A (zh) * 2019-06-17 2019-11-19 深圳壹账通智能科技有限公司 穴位识别方法、装置、设备及存储介质
CN111402338A (zh) * 2020-04-15 2020-07-10 张家港江苏科技大学产业技术研究院 一种穴位定位方法
CN111437185A (zh) * 2020-05-21 2020-07-24 南京艾益智能科技有限公司 机器人自动定位经脉方法及应用
CN112116597A (zh) * 2020-07-30 2020-12-22 北京明医堂互联网医疗科技有限公司 一种基于鍉圆针痧象数据挖掘的背腹穴位区域定位健康管理系统
WO2021179534A1 (zh) * 2020-03-12 2021-09-16 南京安科医疗科技有限公司 一种ct扫描辅助方法、装置及计算机可读存储介质
CN113808184A (zh) * 2021-08-30 2021-12-17 中科尚易健康科技(北京)有限公司 基于点云识别的插值方法和装置、设备及存储介质
CN114155240A (zh) * 2021-12-13 2022-03-08 韩松洁 一种耳部穴位检测方法、装置及电子设备
CN114373190A (zh) * 2021-12-28 2022-04-19 浙江大学台州研究院 一种人体穴位的智能识别和自动定位系统
CN115188451A (zh) * 2022-08-11 2022-10-14 北京十方泰和中医医学研究院 背腧穴分析仪及背腧穴分析方法
CN116188816A (zh) * 2022-12-29 2023-05-30 广东省新黄埔中医药联合创新研究院 一种基于循环一致性变形图像匹配网络的穴位定位方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961338A (zh) * 2018-07-04 2018-12-07 深圳市龙岗区中医院 一种腹部穴位的辅助定位方法及装置
CN110232318A (zh) * 2019-05-06 2019-09-13 平安科技（深圳）有限公司 穴位识别方法、装置、电子设备及存储介质
CN110013434A (zh) * 2019-05-29 2019-07-16 张洪娟 一种具备针法指导功能的智能超声针灸仪
CN110464633A (zh) * 2019-06-17 2019-11-19 深圳壹账通智能科技有限公司 穴位识别方法、装置、设备及存储介质
WO2021179534A1 (zh) * 2020-03-12 2021-09-16 南京安科医疗科技有限公司 一种ct扫描辅助方法、装置及计算机可读存储介质
CN111402338A (zh) * 2020-04-15 2020-07-10 张家港江苏科技大学产业技术研究院 一种穴位定位方法
CN111437185A (zh) * 2020-05-21 2020-07-24 南京艾益智能科技有限公司 机器人自动定位经脉方法及应用
CN112116597A (zh) * 2020-07-30 2020-12-22 北京明医堂互联网医疗科技有限公司 一种基于鍉圆针痧象数据挖掘的背腹穴位区域定位健康管理系统
CN113808184A (zh) * 2021-08-30 2021-12-17 中科尚易健康科技(北京)有限公司 基于点云识别的插值方法和装置、设备及存储介质
CN114155240A (zh) * 2021-12-13 2022-03-08 韩松洁 一种耳部穴位检测方法、装置及电子设备
CN114373190A (zh) * 2021-12-28 2022-04-19 浙江大学台州研究院 一种人体穴位的智能识别和自动定位系统
CN114373190B (zh) * 2021-12-28 2024-04-19 浙江大学台州研究院 一种人体穴位的智能识别和自动定位系统
CN115188451A (zh) * 2022-08-11 2022-10-14 北京十方泰和中医医学研究院 背腧穴分析仪及背腧穴分析方法
CN116188816A (zh) * 2022-12-29 2023-05-30 广东省新黄埔中医药联合创新研究院 一种基于循环一致性变形图像匹配网络的穴位定位方法
CN116188816B (zh) * 2022-12-29 2024-05-28 广东省新黄埔中医药联合创新研究院 一种基于循环一致性变形图像匹配网络的穴位定位方法

Similar Documents

Publication Publication Date Title
CN108021919A (zh) 穴位定位的图像处理装置和图像处理方法
Qiu et al. Pose-guided matching based on deep learning for assessing quality of action on rehabilitation training
Shaheed et al. A systematic review of finger vein recognition techniques
US20210174505A1 (en) Method and system for imaging and analysis of anatomical features
CN107066961B (zh) 指纹配准方法及装置
CN103116763B (zh) 一种基于hsv颜色空间统计特征的活体人脸检测方法
CN102395995B (zh) 活体信息登记装置、活体信息登记方法、活体认证装置、活体认证方法
Ross et al. A hybrid fingerprint matcher
Liu et al. 3D fingerprint reconstruction system using feature correspondences and prior estimated finger model
WO2018032861A1 (zh) 一种手指静脉识别方法及装置
Lee et al. Dorsal hand vein recognition based on 2D Gabor filters
CN206515838U (zh) 一种人证合一仪
CN107194361A (zh) 二维姿势检测方法及装置
WO2019062843A1 (zh) 超声图像处理方法及系统
Mahapatra et al. MRF-based intensity invariant elastic registration of cardiac perfusion images using saliency information
CN105138980A (zh) 基于身份证件信息和人脸识别的身份验证方法及系统
CN111012353A (zh) 一种基于人脸关键点识别的身高检测方法
CN112750531A (zh) 一种中医自动化望诊系统、方法、设备和介质
CN109493334A (zh) 测量脊柱弯曲的方法及装置
Seo et al. SVM-based waist circumference estimation using Kinect
CN111402202B (zh) 足底压力图像相似度评价方法
CN116703882A (zh) 一种非接触式心脏三维标测方法及系统
Panetta et al. Unrolling post-mortem 3D fingerprints using mosaicking pressure simulation technique
CN112115909B (zh) 一种基于区域加权梯度分布的足迹表达方法
CN105138959A (zh) 一种基于图像处理的指纹匹配及控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180511