摘 要：研究一種基于亞象素技術(shù)的全方向M型心動(dòng)圖邊界的檢測(cè)方法。在獲取全方向M型心動(dòng)圖的基礎(chǔ)上，通過(guò)圖像增強(qiáng)、閾值分割、人工限定目標(biāo)區(qū)域等圖像預(yù)處理，采用層進(jìn)式策略提取圖像的象素邊界，再利用一階微分期望值對(duì)提取后的邊界點(diǎn)進(jìn)行亞象素定位。該方法使邊界檢測(cè)數(shù)據(jù)從象素級(jí)提高到亞象素級(jí)，為邊界檢測(cè)后的幅度以及以他的數(shù)據(jù)為基礎(chǔ)的進(jìn)一步離散一、二階微分的計(jì)算獲得的速度、加速度等運(yùn)動(dòng)信息的精確測(cè)量提供了可能性。

關(guān)鍵詞：全方向M型心動(dòng)圖；亞象素；邊界檢測(cè)；邊緣檢測(cè)

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：1004-373X(2008)06-056-03

Boundary Detection in Omnidirectional M-mode Echocardiography Based on Sub-pixel Technique

WANG Jianbin，LIN Qiang

(Institute of Biomedical Engineering，F(xiàn)uzhou University，F(xiàn)uzhou，350002，China)

Abstract：The paper studies the method of boundary detection in omnidirectional M-mode echocardiography based on a sub-pixel technique.In the foundation of gained the omnidirectional M-mode echocardiography，through the picture pretreatment，using the level strategy to detect the pixel boundary of omnidirectional M-mode echocardiography，then according the first order differential expected value to localize the sub-pixel boundary.The method enhanced the boundary detection data from the pixel level to the sub-pixel level，provided the possibility for the precise dynamic information detection，such as amplitude，velocity，acceleration and so on.

Keywords：omnidirectional M-mode echocardiography；sub-pixel；edge detection；boundary detcction

全方向M型心動(dòng)圖是心臟B超序列圖像中方向線上各象素點(diǎn)由于心臟結(jié)構(gòu)在血液動(dòng)力與組織彈力的共同作用下引起變形和運(yùn)動(dòng)產(chǎn)生的位置隨時(shí)間變化展開(kāi)的圖像。基于超聲心動(dòng)圖視頻輸出的全方向M型心動(dòng)圖可以很形象地描述心臟各結(jié)構(gòu)任一部位的每時(shí)刻的運(yùn)動(dòng)細(xì)節(jié)。提取全方向M型心動(dòng)圖的運(yùn)動(dòng)邊界曲線，有利于準(zhǔn)確定量檢測(cè)局部運(yùn)動(dòng)的幅度，以及以他的數(shù)據(jù)為基礎(chǔ)的進(jìn)一步離散一、二階微分所計(jì)算獲得的速度、加速度及其與心動(dòng)周期相關(guān)的室壁厚度、心血管腔內(nèi)徑，在心臟局部和整體功能的定量評(píng)估方面有重要的應(yīng)用價(jià)值。如圖1所示。

圖1 全方向M型心動(dòng)圖

在醫(yī)學(xué)檢測(cè)中往往需要通過(guò)成像技術(shù)識(shí)別并確定出病體的精確位置及詳細(xì)情況：如陰影的邊緣、病體占位的大小、位置及一些器官的運(yùn)動(dòng)狀況等。由于硬件設(shè)備及現(xiàn)有成像技術(shù)的限制，還不能獲取滿足更高要求的高清晰圖像，亞象素技術(shù)可以在一定程度上突破圖像獲取手段的空間分辨率極限，改善由于圖像離散化和圖像退化引起的空間分辨率下降，彌補(bǔ)原有圖像空間分辨率的不足，獲取更加清晰的圖像，可使圖像的質(zhì)量、精度得到進(jìn)一步的提高，以便于計(jì)算機(jī)對(duì)圖像進(jìn)行分析和處理。

邊界檢測(cè)是全方向M型心動(dòng)圖動(dòng)態(tài)信息分析的基礎(chǔ)和前提，他的精確度將直接影響到動(dòng)態(tài)信息檢測(cè)的準(zhǔn)確與否和精確度。本方法基于提高全方向M型心動(dòng)圖邊界檢測(cè)數(shù)據(jù)精度的目的，在獲取全方向M型心動(dòng)圖的基礎(chǔ)上，經(jīng)過(guò)圖像預(yù)處理和提取圖像的象素邊界，根據(jù)亞象素邊界檢測(cè)技術(shù)對(duì)圖像中的象素邊界進(jìn)行亞象素定位，使邊界檢測(cè)數(shù)據(jù)從象素級(jí)提高到亞象素級(jí)，為邊界檢測(cè)后的幅度、速度、加速度及其與心動(dòng)周期相關(guān)的室壁厚度、心血管腔內(nèi)徑等運(yùn)動(dòng)信息的精確測(cè)量提供了可能性。

1 圖像預(yù)處理

超聲圖像中普遍存在低對(duì)比度、照度不均勻、斑點(diǎn)噪聲及回波失落引起的邊界失落等現(xiàn)象，另外全方向M型心動(dòng)圖中可能存在多條不同部位的運(yùn)動(dòng)曲線，使得邊界檢測(cè)過(guò)程相當(dāng)復(fù)雜。為了較好地進(jìn)行邊界檢測(cè)，圖像預(yù)處理部分包含圖像增強(qiáng)、目標(biāo)區(qū)域限定、動(dòng)態(tài)閾值分割、區(qū)域連通及標(biāo)記。

2 象素邊界提取

經(jīng)過(guò)圖像預(yù)處理后，采用層進(jìn)式策略對(duì)全方向M型心動(dòng)圖逐層檢測(cè)目標(biāo)邊界直至獲得完整的目標(biāo)邊界曲線，首先是以較嚴(yán)格的條件精確提取邊界上的特殊位置作為種子點(diǎn)，在運(yùn)用基于邊界相關(guān)信息的模板條件的組合，圍繞種子點(diǎn)展開(kāi)搜索目標(biāo)邊界點(diǎn)，下一層檢測(cè)以上一層檢測(cè)結(jié)果為基礎(chǔ)，逐層放寬模板條件的組合，使最終檢測(cè)出完整的邊界曲線。如圖2所示。

圖2 層進(jìn)式檢測(cè)流程圖

3 邊界點(diǎn)的亞象素定位

象素是組成圖像的基本單位，即圖像的分辨率，而亞象素精度比圖像分辨率還高，也就是將象素這個(gè)基本單位再進(jìn)行細(xì)分，但實(shí)際上亞象素定位技術(shù)是有前提的，即目標(biāo)不是孤立的單個(gè)象素點(diǎn)，而是有特定的灰度分布和形狀分布的一組象素點(diǎn)組成。例如目標(biāo)特征是圓點(diǎn)、角點(diǎn)、交叉點(diǎn)、直線、特征曲線等，有明顯的灰度變化和一定面積大小。目標(biāo)特征主要分為基于幾何特征，基于灰度分布特征和基于幾何與灰度耦合特征性等。亞象素的基本原理是利用預(yù)知的目標(biāo)特征，對(duì)圖像目標(biāo)進(jìn)行處理分析(例如濾除噪聲、突出特征、提取特征和擬合灰度特征等)，識(shí)別并確定與目標(biāo)特征最吻合的位置，在此分析定位過(guò)程中采用浮點(diǎn)運(yùn)算，可實(shí)現(xiàn)對(duì)目標(biāo)優(yōu)于整象素精度的定位。例如在理想條件下，全方向M型心動(dòng)圖中的一條曲線邊界上相鄰的兩點(diǎn)的縱坐標(biāo)分別為1.6和2.4，但經(jīng)過(guò)數(shù)字化后曲線上的點(diǎn)取整數(shù)象素值，即在數(shù)字圖像中曲線上該相鄰的兩點(diǎn)的縱坐標(biāo)都四舍五入為2，則數(shù)字化誤差達(dá)0.8個(gè)象素點(diǎn)，誤差最大可達(dá)1個(gè)象素點(diǎn)，亞象素技術(shù)的浮點(diǎn)運(yùn)算能很好的解決該問(wèn)題。這種利用目標(biāo)特性從圖像中分析計(jì)算出最符合此特性的目標(biāo)位置的方法，稱為圖像目標(biāo)亞象素定位技術(shù)。

這里圖像目標(biāo)亞象素定位技術(shù)的概念與通過(guò)對(duì)圖像進(jìn)行差值運(yùn)算得到象素間的灰度值和坐標(biāo)值的概念是不同的。從理論上講，差值運(yùn)算并沒(méi)有增減新的信息量，只是根據(jù)插值算法的不同，假定象素間的灰度是按線性或非線性(由插值公式?jīng)Q定)變化。這種插值或重采樣處理可以改善圖像的視覺(jué)效果，但與目標(biāo)特征這一重要信息無(wú)關(guān)，因此簡(jiǎn)單插值對(duì)目標(biāo)亞象素定位精度并無(wú)幫助。

常用的亞象素算法有擬合法、數(shù)字相關(guān)法和形心法等。擬合法的前提是目標(biāo)特性滿足已知或假定的函數(shù)形式，且較難獲得高精度；數(shù)字相關(guān)法的原理簡(jiǎn)單、適應(yīng)性強(qiáng)和精度高，對(duì)旋轉(zhuǎn)目標(biāo)或旋轉(zhuǎn)沒(méi)有約束的目標(biāo)定位中很少使用，模塊的選擇難以實(shí)現(xiàn)；形心法(灰度重心法)算法簡(jiǎn)單明了，定位精度受系統(tǒng)成像噪聲及目標(biāo)表面光潔度的影響，該算法只對(duì)灰度對(duì)稱分布的目標(biāo)才能獲得理想的效果。

在綜合分析各種亞象素算法和全方向M型心動(dòng)圖特點(diǎn)的基礎(chǔ)上，主要對(duì)提取后的邊界點(diǎn)運(yùn)用基于一階微分期望的亞象素檢測(cè)方法進(jìn)行精確定位。由于全方向M心動(dòng)圖的每一列代表了每一時(shí)刻采樣線上的灰度值，因此可看作一維的情況，逐列地進(jìn)行亞象素計(jì)算。主要步驟為：

(1) 根據(jù)象素邊界提取時(shí)線狀模板的原理，將象素邊界的上方的3個(gè)象素和下方的3個(gè)象素都劃入包含邊界的區(qū)間；

(2) 對(duì)于包含在邊界區(qū)間內(nèi)的每一列圖像函數(shù)f(x)，計(jì)算他的一階微分g(x)=|f′(x)|，在離散圖像中，一階微分可用差分來(lái)近似；

(3)計(jì)算每一列中7個(gè)象素點(diǎn)中各點(diǎn)在該列中的概率函數(shù)p(x)，在離散圖像中有：

pk=gk∑7i=1gi k=1，2，…，7

(4) 計(jì)算p(x)的期望值E，并將邊界定在E處。在離散圖像中有：

E=∑7k=1kpk=∑7k=1(kgk/∑7i=1gi)

(5) 根據(jù)期望值E和已提取出的象素邊界即可獲得亞象素邊界在圖像中的精確位置。

這種方法使用基于統(tǒng)計(jì)特性的期望值，所以可以較好地消除由于圖像邊界區(qū)域中噪聲而造成的多響應(yīng)問(wèn)題。

4 象素級(jí)檢測(cè)與亞象素定位結(jié)果比較

圖3為全方向M型心動(dòng)圖的象素級(jí)邊界檢測(cè)結(jié)果，圖4為同一位置的象素級(jí)邊界經(jīng)過(guò)亞象素定位后，將獲取亞象素級(jí)的邊界數(shù)據(jù)四舍五入，以象素級(jí)顯示的結(jié)果。比較兩圖可知經(jīng)過(guò)亞象素定位處理后，目標(biāo)邊界的整體平滑性和連續(xù)性都有明顯改善。

由于沒(méi)有做亞象素顯示方面的進(jìn)一步的工作，圖像及其目標(biāo)邊界在顯示時(shí)只能是以象素級(jí)顯示，所以亞象素定位的精度提高的結(jié)果無(wú)法直觀看出，但通過(guò)下面一段邊界的數(shù)據(jù)比較二者的差異，可得其定位數(shù)據(jù)的精度至少可提高到0.1個(gè)象素的數(shù)量級(jí)。

圖3 全方向M型心動(dòng)圖的像素級(jí)邊界檢測(cè)結(jié)果

圖4 同位置的像素邊界處理圖

由表1的數(shù)據(jù)比較可知經(jīng)亞象素定位后，目標(biāo)邊界的精度由象素級(jí)提高到一個(gè)象素級(jí)以內(nèi)，邊界位置數(shù)據(jù)均為浮點(diǎn)型值與檢測(cè)后的動(dòng)態(tài)信息分析的數(shù)據(jù)類型一致，為后續(xù)動(dòng)態(tài)信息的高精度分析提供了可能性。

5 結(jié) 語(yǔ)

該方法利用軟件處理的方法解決圖像中目標(biāo)的高精度定位問(wèn)題，從數(shù)據(jù)來(lái)源角度看使邊界檢測(cè)數(shù)據(jù)從象素級(jí)提高到亞象素級(jí)，為邊界檢測(cè)后的幅度以及以他的數(shù)據(jù)為基礎(chǔ)的進(jìn)一步離散一、二階微分的計(jì)算獲得的速度、加速度等運(yùn)動(dòng)信息的精確測(cè)量提供了可能性。但由于理想的邊界數(shù)據(jù)與2種邊界數(shù)據(jù)相比較都要求更加連續(xù)和平滑，因此在目標(biāo)邊界檢測(cè)后還應(yīng)再進(jìn)行相應(yīng)的濾波等處理，以進(jìn)一步的提高邊界的平滑性。

表1 邊界數(shù)據(jù)(單位：象素點(diǎn))

序號(hào)12345678910

參考文獻(xiàn)

[1]林強(qiáng)，張莉，賈文靜.全方向灰度/時(shí)間波形系統(tǒng)的實(shí)現(xiàn)及其在超聲心動(dòng)圖上的應(yīng)用\\[J\\].電子測(cè)量與儀器學(xué)報(bào)，2002，16(2)： 70-74.

[2]郭淑英，賈文靜.全方向M型心動(dòng)圖像邊界提取技術(shù)的研究\\[J\\].福州大學(xué)學(xué)報(bào)：自然科學(xué)版，2003，31(5)： 539-543.

[3]張俊燕.全方向M型心動(dòng)圖像的邊界檢測(cè)\\[J\\].成都信息工程學(xué)院學(xué)報(bào)，2004，19(1)： 47-51.

[4]吳文稽.全方向M型超聲心動(dòng)圖運(yùn)動(dòng)曲線的自適應(yīng)檢測(cè)\\[J\\].福州大學(xué)學(xué)報(bào)：自然科學(xué)版，2006，34(6)： 841-845.

[5]章毓晉.圖像處理和分析\\[M\\].北京：清華大學(xué)出版社，2000.

[6]Huertas A，Medioni G.Detection of Intensity Changes with Sbupixel Accuracy Using Laplacian-Gaussian masks.IEEE，1986，PAMI-8：651-664.

[7]Jensen K，Anastassiou D.Subpixel Edge Localization and the Interpolation of Still Images.IEEE，1995，IP-4：285-295.

作者簡(jiǎn)介 王建斌 男，1982年出生，碩士研究生。

林 強(qiáng) 男，教授，博士生導(dǎo)師。

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文。