CN115619756A - 一种人体红外图像的心脏区域识别方法 - Google Patents

Abstract

本申请涉及一般的图像数据处理或产生技术领域，特别是涉及一种人体红外图像的心脏区域识别方法。所述方法包括以下步骤：S100，获取目标人体红外图像的像素点集P；S200，获取对应的二值化图像的像素点集P’；S300，获取对应的二值化图像中人体区域的像素点集RP’；S400，利用配准法获取RP⁰向RP’配准时的映射关系X；S500，根据所述映射关系X以及A⁰获取对应的二值化图像中的心脏区域A’；S600，根据A’生成目标人体红外图像的掩膜；S700，将掩膜和目标人体红外图像输入至经训练的神经网络中，将其输出作为目标人体红外图像的目标心脏区域。本发明能够快速和准确获取人体红外图像中的心脏区域。

Description

一种人体红外图像的心脏区域识别方法

技术领域

本发明涉及一般的图像数据处理或产生技术领域，特别是涉及一种人体红外图像的心脏区域识别方法。

背景技术

现有技术中人体的温度信息已经被应用于判断人类的疾病。如公布号为CN106236027A的中国专利公开了一种脑电与温度相结合的抑郁人群判定方法，其基于采集的人体的温度信息实现了对该人是否为抑郁症人群的判断。

与上述应用类似的应用还有红外热成像技术，红外热影像技术属于现代医学影像技术，可利用智能红外热成像体外探测设备采集人体红外图像。人体红外图像中各像素点的像素值不同，反映了各像素点对应的人体位置的温度不同，这些温度信息可以作为评判人体健康状况的参考信息。例如，通过判断人体红外图像中心脏区域的温度信息是否正常可以判断人体心脏区域的健康状况。

判断人体红外图像中心脏区域的温度信息是否正常之前，需要先识别出人体红外图像中的心脏区域。但是人体红外图像中心脏区域并没有明显的边界，使得用户在识别心脏区域的阶段花费的时间较长，且不容易获取准确的心脏区域。如何快速和准确获取人体红外图像中的心脏区域是亟待解决的问题。

发明内容

本发明目的在于，提供一种人体红外图像的心脏区域识别方法，能够快速和准确获取人体红外图像中的心脏区域。

根据本发明，提供了一种人体红外图像的心脏区域识别方法，包括以下步骤：

S100，获取目标人体红外图像的像素点集P＝(P₁，P₂，…，P_N)，P_n为目标人体红外图像的第n个像素点，n的取值范围为1到N，N为目标人体红外图像的像素点数量。

S200，获取目标人体红外图像对应的二值化图像的像素点集P’＝(P’₁，P’₂，…，P’_N)，P’_n为P’中与P_n对应的像素点；当目标人体红外图像中P_n的像素值V_n大于设定像素值阈值V₀时，目标人体红外图像对应的二值图像中P’_n的像素值V’_n等于第一预设像素值；否则，V’_n等于第二预设像素值。

S300，获取目标人体红外图像对应的二值化图像中人体区域的像素点集RP’＝(RP’₁，RP’₂，…，RP’_Q)，RP’_q为目标人体红外图像对应的二值化图像中第q个像素值为第一预设像素值的像素点，q的取值范围为1到Q，Q为目标人体红外图像对应的二值化图像中像素值为第一预设像素值的像素点数量。

S400，利用配准法获取RP⁰向RP’配准时的映射关系X，其中，RP⁰为标准人体红外图像对应的二值化图像中人体区域的像素点集。

S500，根据所述映射关系X以及A⁰获取目标人体红外图像对应的二值化图像中的心脏区域A’；A⁰为标准人体红外图像对应的二值化图像中的心脏区域。

S600，根据所述心脏区域A’生成目标人体红外图像的掩膜，所述目标人体红外图像的掩膜中心脏区域A’对应的像素点的像素值为1，其他像素点对应的像素值为0。

S700，将目标人体红外图像的掩膜和目标人体红外图像输入至经训练的神经网络中，将经训练的神经网络的输出作为目标人体红外图像的目标心脏区域。

本发明与现有技术相比具有明显的有益效果，借由上述技术方案，本发明提供的人体红外图像的心脏区域识别方法可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有以下有益效果：

本发明获取目标人体红外图像的目标心脏区域的过程包括两部分，一部分是基于配准方法实现的，目的在于先找到目标人体的心脏的大概区域，实现心脏区域的初步定位；另一部分是基于经训练的神经网络实现的，目的在于对上部分找到的心脏区域进行优化，得到更准确的心脏区域。本发明采用配准方法和神经网络相结合的方式识别了目标人体的心脏区域，属于一种自动识别方法，相较于人工识别的方式，速度有所提高；且本发明在配准的基础上又利用经训练的神经网络对配准的结果进行优化，进一步保证了识别的准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的人体红外图像的心脏区域识别方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

根据本发明，提供了一种人体红外图像的心脏区域识别方法，如图1所示，包括以下步骤：

S100，获取目标人体红外图像的像素点集P＝(P₁，P₂，…，P_N)，P_n为目标人体红外图像的第n个像素点，n的取值范围为1到N，N为目标人体红外图像的像素点数量。

可选的，利用智能红外热成像体外探测设备获取目标人体红外图像。本领域技术人员知悉，现有技术中利用任何设备获取人体红外图像均落入本发明的保护范围。

S200，获取目标人体红外图像对应的二值化图像的像素点集P’＝(P’₁，P’₂，…，P’_N)，P’_n为P’中与P_n对应的像素点；当目标人体红外图像中P_n的像素值V_n大于设定像素值阈值V₀时，目标人体红外图像对应的二值图像中P’_n的像素值V’_n等于第一预设像素值；否则，V’_n等于第二预设像素值。

应当理解的是，目标人体红外图像中除了包括人体区域的像素点之外，还包括背景像素点；目标人体红外图像中像素点的像素值不同反映的是温度值的不同。由于用于人体健康状况评估的人体红外图像拍摄时一般都对环境温度有所要求，即环境温度参考值为24±2℃，而人体的温度值一般相较于环境温度较高，为36℃-37℃，因此，目标人体红外图像中人体区域与背景区域对应的像素值有较大差异。鉴于此，本发明设置像素值阈值V₀来区分目标人体红外图像中的人体区域和背景区域，且将目标人体红外图像中像素值大于设定像素值阈值的像素点判定为前景像素点，将目标人体红外图像中像素值不大于设定像素值阈值的像素点为背景像素点。

可选的，像素值阈值V₀为人工设置的经验值。应当理解的是，像素值阈值V₀为目标人体红外图像中背景像素点对应的像素值与人体区域中最小像素值之间的像素值。例如，设置像素值阈值V₀为30℃对应的像素值。本领域技术人员知悉，现有技术中任何确定图像分割阈值的方法均落入本发明的保护范围。

可选的，第一预设像素值为黑色对应的像素值；第二预设像素值为白色对应的像素值。

S300，获取目标人体红外图像对应的二值化图像中人体区域的像素点集RP’＝(RP’₁，RP’₂，…，RP’_Q)，RP’_q为目标人体红外图像对应的二值化图像中第q个像素值为第一预设像素值的像素点，q的取值范围为1到Q，Q为目标人体红外图像对应的二值化图像中像素值为第一预设像素值的像素点数量。

根据本发明，目标人体红外图像的人体区域中各像素点对应的像素值大于像素值阈值V₀，相应的二值化图像中人体区域的像素点的像素值为第一预设像素值；而目标人体红外图像的背景区域中各像素点对应的像素值不大于像素值阈值V₀，相应的二值化图像中背景区域的像素点的像素值为第二预设像素值；因此，本发明将二值图像中像素值为第一预设像素值的像素点的集合作为二值化图像中人体区域的像素点集合。

S400，利用配准法获取RP⁰向RP’配准时的映射关系X，其中，RP⁰为标准人体红外图像对应的二值化图像中人体区域的像素点集。

可选的，所述配准法为最大互信息配准法。本领域技术人员知悉，现有技术中利用任何配准法得到映射关系均落入本发明的保护范围；配准法为现有技术，此处不再赘述配准的过程。

应当理解的是，目标人体红外图像和标准人体红外图像为不同人体对应的红外图像，目标人体相对标准人体的身高或高或低，目标人体相对标准人体的体型或胖或瘦。但无论怎样，总可以利用现有的配准法得到标准人体对应的二值化图像中人体区域向标准人体对应的二值化图像中人体区域转换时的映射关系，该映射关系包含标准人体对应的二值化图像中人体区域中任一像素点向标准人体对应的二值化图像中转换时的转换向量。

可选的，RP⁰的获取方法包括：

S410，获取标准人体红外图像的像素点集P⁰＝(P⁰ ₁，P⁰ ₂，…，P⁰ _M)，P⁰ _m为标准人体红外图像的第m个像素点，m的取值范围为1到M，M为标准人体红外图像的像素点数量；

S420，获取标准人体红外图像对应的二值化图像的像素点集P⁰’＝(P⁰’₁，P⁰’₂，…，P⁰’_M)，P⁰’_m为P⁰’中与P⁰ _m对应的像素点；当标准人体红外图像中P⁰ _m的像素值V⁰ _m大于V₀时，标准人体红外图像对应的二值化图像中P⁰’_m的像素值V⁰’_m等于第一预设像素值；否则，V⁰’_m等于第二预设像素值；

S430，获取标准人体红外图像对应的二值化图像中人体区域的像素点集RP⁰’＝(RP⁰’₁，RP⁰’₂，…，RP⁰’_T)，RP⁰’_t为标准人体红外图像对应的二值化图像中第t个像素值为第一预设像素值的像素点，t的取值范围为1到T，T为标准人体红外图像对应的二值化图像中像素值为第一预设像素值的像素点数量。

S500，根据所述映射关系X以及A⁰获取目标人体红外图像对应的二值化图像中的心脏区域A’；A⁰为标准人体红外图像对应的二值化图像中的心脏区域。

根据本发明，A⁰为已知的；可选的，通过人工标注的方法获取A⁰。

应当理解的是，映射关系X包含标准人体对应的二值化图像中人体区域中任一像素点向标准人体对应的二值化图像中转换时的转换向量，那么利用映射关系X中与A⁰中各像素点对应的转换向量和A⁰即可得到目标人体红外图像对应的二值化图像中的心脏区域A’。

S600，根据所述心脏区域A’生成目标人体红外图像的掩膜，所述目标人体红外图像的掩膜中心脏区域A’对应的像素点的像素值为1，其他像素点对应的像素值为0。

应当理解的是，目标人体红外图像的掩膜的大小与目标人体红外图像的大小相等。

S700，将目标人体红外图像的掩膜和目标人体红外图像输入至经训练的神经网络中，将经训练的神经网络的输出作为目标人体红外图像的目标心脏区域。

根据本发明，经训练的神经网络的训练过程包括：

S710，获取人体红外图像样本集合和其中各人体红外图像样本对应的二值图像中的心脏区域。

应当理解的是，按照上述获取目标人体红外图像对应的二值图像中心脏区域A’的方法即可获取各人体红外图像样本对应的二值图像中的心脏区域，获取方法包括：

S711，利用配准法获取RP⁰向YRP’_j配准时的映射关系X’_j，其中，YRP’_j为人体红外图像样本集合中第j个人体红外图像样本对应的二值化图像中人体区域的像素点集。

本发明j的取值范围为1到J，J为人体红外图像样本集合中人体红外图像样本的数量。

S712，根据所述映射关系X’_j以及A⁰获取YA’_j，YA’_j为人体红外图像样本集合中第j个人体红外图像样本对应的二值化图像中的心脏区域。

S720，根据各人体红外图像样本对应的二值图像中的心脏区域生成各人体红外图像样本对应的掩膜。

应当理解的是，各人体红外图像样本对应的掩膜中心脏区域对应的像素点的像素值为1，其他像素点对应的像素值为0；各人体红外图像样本对应的掩膜大小与对应的人体红外图像样本大小相同。

S730，对各人体红外图像样本上的心脏区域进行标注。

可选的，利用人工的方式对人体红外图像样本上的心脏区域进行标注。

根据本发明，标注的心脏区域为精度较高的心脏区域。

S740，将各人体红外图像样本对应的掩膜和对应的人体红外图像样本输入至神经网络，对神经网络进行训练。

应当理解的是，根据各人体红外图像样本对应的掩膜对对应的人体红外图像样本进行掩膜操作即可得到对应的人体红外图像样本上的心脏区域，但是，该心脏区域的精确度可能不高，与S730标注的心脏区域存在一定的差异，因此，本发明将S730标注的心脏区域作为目标心脏区域对神经网络进行有监督训练，以使经训练的神经网络具备对输入的心脏区域进行优化的功能。

本领域技术人员知悉，现有技术中利用任何有监督训练的方法对神经网络进行训练均落入本发明的保护范围；对神经网络进行有监督训练的过程为现有技术，此处不再赘述。

本发明在配准的基础上又利用经训练的神经网络对配准的结果进行了优化，提高了对目标人体红外图像中心脏区域识别的准确性。

虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明的范围由所附权利要求来限定。

Claims (8)

1.一种人体红外图像的心脏区域识别方法，其特征在于，包括以下步骤：

S100，获取目标人体红外图像的像素点集P＝(P₁，P₂，…，P_N)，P_n为目标人体红外图像的第n个像素点，n的取值范围为1到N，N为目标人体红外图像的像素点数量；

S200，获取目标人体红外图像对应的二值化图像的像素点集P’＝(P’₁，P’₂，…，P’_N)，P’_n为P’中与P_n对应的像素点；当目标人体红外图像中P_n的像素值V_n大于设定像素值阈值V₀时，目标人体红外图像对应的二值图像中P’_n的像素值V’_n等于第一预设像素值；否则，V’_n等于第二预设像素值；

S300，获取目标人体红外图像对应的二值化图像中人体区域的像素点集RP’＝(RP’₁，RP’₂，…，RP’_Q)，RP’_q为目标人体红外图像对应的二值化图像中第q个像素值为第一预设像素值的像素点，q的取值范围为1到Q，Q为目标人体红外图像对应的二值化图像中像素值为第一预设像素值的像素点数量；

S400，利用配准法获取RP⁰向RP’配准时的映射关系X，其中，RP⁰为标准人体红外图像对应的二值化图像中人体区域的像素点集；

S500，根据所述映射关系X以及A⁰获取目标人体红外图像对应的二值化图像中的心脏区域A’；A⁰为标准人体红外图像对应的二值化图像中的心脏区域；

S600，根据所述心脏区域A’生成目标人体红外图像的掩膜，所述目标人体红外图像的掩膜中心脏区域A’对应的像素点的像素值为1，其他像素点对应的像素值为0；

S700，将目标人体红外图像的掩膜和目标人体红外图像输入至经训练的神经网络中，将经训练的神经网络的输出作为目标人体红外图像的目标心脏区域。

2.根据权利要求1所述的方法，其特征在于，S700中，所述经训练的神经网络的训练过程包括：

S710，获取人体红外图像样本集合和其中各人体红外图像样本对应的二值图像中的心脏区域；

S720，根据各人体红外图像样本对应的二值图像中的心脏区域生成各人体红外图像样本对应的掩膜；

S730，对各人体红外图像样本上的心脏区域进行标注；

S740，将各人体红外图像样本对应的掩膜和对应的人体红外图像样本输入至神经网络，对神经网络进行训练。

3.根据权利要求1所述的方法，其特征在于，S400中，RP⁰的获取方法包括：

S410，获取标准人体红外图像的像素点集P⁰＝(P⁰ ₁，P⁰ ₂，…，P⁰ _M)，P⁰ _m为标准人体红外图像的第m个像素点，m的取值范围为1到M，M为标准人体红外图像的像素点数量；

S420，获取标准人体红外图像对应的二值化图像的像素点集P⁰’＝(P⁰’₁，P⁰’₂，…，P⁰’_M)，P⁰’_m为P⁰’中与P⁰ _m对应的像素点；当标准人体红外图像中P⁰ _m的像素值V⁰ _m大于V₀时，标准人体红外图像对应的二值化图像中P⁰’_m的像素值V⁰’_m等于第一预设像素值；否则，V⁰’_m等于第二预设像素值；

S430，获取标准人体红外图像对应的二值化图像中人体区域的像素点集RP⁰’＝(RP⁰’₁，RP⁰’₂，…，RP⁰’_T)，RP⁰’_t为标准人体红外图像对应的二值化图像中第t个像素值为第一预设像素值的像素点，t的取值范围为1到T，T为标准人体红外图像对应的二值化图像中像素值为第一预设像素值的像素点数量。

4.根据权利要求1所述的方法，其特征在于，S500中，通过人工标注的方法获取A⁰。

5.根据权利要求1所述的方法，其特征在于，S400中，所述配准法为最大互信息配准法。

6.根据权利要求1所述的方法，其特征在于，利用智能红外热成像体外探测设备获取目标人体红外图像。

7.根据权利要求1所述的方法，其特征在于，所述第一预设像素值为黑色对应的像素值；所述第二预设像素值为白色对应的像素值。

8.根据权利要求1所述的方法，其特征在于，S710中获取各人体红外图像样本对应的二值图像中的心脏区域的方法包括：

S711，利用配准法获取RP⁰向YRP’_j配准时的映射关系X’_j，其中，YRP’_j为人体红外图像样本集合中第j个人体红外图像样本对应的二值化图像中人体区域的像素点集；j的取值范围为1到J，J为人体红外图像样本集合中人体红外图像样本的数量；

S712，根据所述映射关系X’_j以及A⁰获取YA’_j，YA’_j为人体红外图像样本集合中第j个人体红外图像样本对应的二值化图像中的心脏区域。

Images