鄭永權(quán)

摘要：運(yùn)動員經(jīng)過高強(qiáng)度的體育訓(xùn)練難免會受到損傷，在治療時需要對其損傷圖像進(jìn)行識別，然而當(dāng)前有些識別方法的效率和精確度不高，于是文章將研究基于魚群算法的體育運(yùn)動員高強(qiáng)運(yùn)動損傷圖像識別，首先對損傷部位輪廓進(jìn)行提取，然后獲得對損傷圖像進(jìn)行初步識別，最后基于魚群算法對圖像進(jìn)一步識別。通過實(shí)驗(yàn)研究，與其他識別方式相比，基于魚群算法的識別方式具有更高的準(zhǔn)確度和效率。

關(guān)鍵詞：魚群算法;運(yùn)動損傷圖像;識別

中圖分類號：TP391.41

文獻(xiàn)標(biāo)識碼：A

文章編號：1001-5922（2020）12-0033-04

運(yùn)動員在經(jīng)過高強(qiáng)度的訓(xùn)練，必然會導(dǎo)致身體受到一定程度的損傷，而且運(yùn)動員會不斷重復(fù)某個動作，該重復(fù)動作也會造成身體關(guān)節(jié)或者皮膚出現(xiàn)磨損[1-2]。當(dāng)出現(xiàn)損傷之后，需要對其進(jìn)行治療，對損傷圖像破損位置進(jìn)行識別有利于提高治療效果。并且有許多學(xué)者提出了不同的識別方法，陳華等人提出了一種基于線性判別和超聲圖像特征的識別方法，該方法具有較好的識別效率，但是其識別精確度比較低[3]。蔡舒妤等人提出了一種基于改進(jìn)譜聚類的識別方法，該方法具有一定的識別作用，但是其精確度不高[4]。顏佩等人提出了一種基于小波系數(shù)Hu的識別方法，該方法能夠獲得較為準(zhǔn)確的識別效果，但是其耗時比較長[5]。于是本文將研究一種基于魚群算法的識別方式，目的在于提高識別的準(zhǔn)確度和效率。

1 運(yùn)動員高強(qiáng)運(yùn)動損傷圖像識別

1.1 損傷圖像處理

首先需要對運(yùn)動損傷圖像進(jìn)行灰度轉(zhuǎn)換操作，對于彩色的圖像，其中像素可以使用3個字節(jié)進(jìn)行表征，并且其字節(jié)各自對應(yīng)3個分量產(chǎn)生的亮度，其中3個分量分別用R、G和B表示，當(dāng)3個分量都相同時，則為灰度圖像，反之，當(dāng)不同時，則為彩色圖像，灰度值轉(zhuǎn)換公式如下所示：

Gray（i，J）=0.299.R（i，j）+ 0.587.G（i，j）+0.114-B（i，j）

經(jīng)過轉(zhuǎn)換之后，圖像的24位圖像表征依然不會發(fā)生變化，該灰度轉(zhuǎn)換的主要作用是提高破損識別的效率。

1.2 圖像破損位置的輪廓提取和初步識別

為了提高破損識別的精確度，首先需要對其輪廓進(jìn)行提取[6]。文章提取輪廓時將通過使用數(shù)學(xué)形態(tài)和自適應(yīng)閥值化的方式進(jìn)行，其中還使用到曲線擬合法從而獲取一條曲線，即為破損輪廓。

破損活動輪廓模型就是一種蛇形模型，能夠獲取破損部位輪廓，當(dāng)蛇點(diǎn)處于一個平衡位置時，能量會處于一個非常小值，那么所獲得的輪廓將會收斂到識別破損部位邊緣，所以為了識別破損部位，需要使得輪廓能量達(dá)到一個非常小的值。輪廓能量表達(dá)公式如下所示：

E（C）=[αEin（C）+βEex（C）]Gray（i，j）

其中a和盧表示加權(quán)值，Eex（C）和Ein（C）分別表示外部能量和內(nèi)部能量。獲得損傷輪廓之后，于是就可以通過使用K-L變換分析法對破損部位進(jìn)行初步識別。

獲得輪廓之后，破損部分像素點(diǎn)數(shù)量，還有其他的相關(guān)信息都可以獲得，于是通過使用這些信息進(jìn)行建立數(shù)字矩陣。在識別破損位置時，為了提高識其精確度，需要將圖像排成64的特征向量，其中排列采用按照列串接的方式。于是有m個圖像數(shù)量，X={x1，x2，…，xm}，于是計(jì)算圖像總體均值向量的公式為：

再通過下面公式對所有待識別圖像樣本和訓(xùn)練樣本就散歐式距離，計(jì)算出所有的距離之后進(jìn)行比較，選擇距離最小的樣本就是樣本初步識別結(jié)果。

2 基于魚群算法的損傷圖像破損位置像素計(jì)算

通過上文的分析，能夠初步的識別破損位置，但是還不能夠獲得精準(zhǔn)部位，于是文章將通過使用魚群算法進(jìn)行進(jìn)一步識別，從而獲得更為精準(zhǔn)的破損部分，并且計(jì)算出破損區(qū)域面積。

在圖像破損識別中使用魚群算法，就是將每一個解當(dāng)做是一條魚，然后將所有的解構(gòu)成一個解集[7-8]。在解集中尋求最終解時有2種方式，分別為以聚類中心為解和聚類結(jié)果為解。文章為了能夠提高識別精確度，于是使用聚類中心為解的方式。于是將全部聚類中心點(diǎn)的向量當(dāng)做是每一條魚，即可用魚的位置狀態(tài)表示圖像中的任意像素點(diǎn)。于是可以用以下公式表示魚的目標(biāo)函數(shù)：

經(jīng)過聚類之后的圖像灰度像素值將會與原始的像素達(dá)到相對應(yīng)的效果。進(jìn)行聚類結(jié)果之后，從而實(shí)現(xiàn)了像素的彩色描繪，于是圖像中不同的色彩就會代表不同的表征。于是可以計(jì)算出像素RGB表征值，其計(jì)算法方式就是將每種類型的像素值GRB通量進(jìn)行累計(jì)求和，然后除以總像素?cái)?shù)量。

通過上述分析之后，損傷圖像相對比例面積可以用下面公式進(jìn)行表示：

其中，D'表示的是圖像分辨率，H'和W'表示的不同方向上的像素?cái)?shù)目，其中H'表示的垂直方向，W表示的是水平方向。

于是對原始圖像經(jīng)過聚類分割處理之后，計(jì)算破損區(qū)域面積的方式就可以通過相關(guān)比例計(jì)算出來，其比例就是破損像素總數(shù)P和圖像總像素P'的比，所以破損部位類像素面積的公式如下所示：

體育運(yùn)動員在運(yùn)動過程中，人體的各個位置都可能出現(xiàn)損傷情況，比如肩關(guān)節(jié)損傷、腰背損傷、眼部損傷等[9]。通過上文所研究的基于魚群算法能夠精確的識別出運(yùn)動員損傷部位，并且能夠提高識別的效率。為了進(jìn)一步說明該方式的準(zhǔn)確性和效率性，于是將對其進(jìn)行實(shí)驗(yàn)研究，從而驗(yàn)證其應(yīng)用效果。

3 實(shí)驗(yàn)結(jié)果和分析

實(shí)驗(yàn)中所需要的數(shù)據(jù)來源于某體院學(xué)院，選擇100位運(yùn)動員作為實(shí)驗(yàn)對象，其中運(yùn)動員的相關(guān)信息如表1所示。

通過儀器檢查每個運(yùn)動員身上損傷情況，目的在于收集相關(guān)數(shù)據(jù)，然后圖1為部分圖像實(shí)例透視圖。

通過實(shí)驗(yàn)之后獲取相關(guān)數(shù)據(jù)，然后通過使用識別率和識別耗時來檢驗(yàn)基于魚群算法的損傷圖像識別的效果。

1）識別率分析結(jié)果：為了突出本文所研究的識別方法的效果，于是選擇了其他識別方法作為對比試驗(yàn)，圖2即為不同方法識別率對比。從圖中可以看出，圖2 （a）的識別率變化趨勢幅度較大，呈現(xiàn)先增大后降低的趨勢，并且其整體較低;圖2 （b）中識別率變化趨勢也相對比較大，于是可以說明該方式的可行性比較差，不能較好的識別出損失部位;而本文所研究的識別方式其識別率明顯比其他2種方式好，并且其變化趨勢比較平緩?；隰~群算法的運(yùn)動員高強(qiáng)運(yùn)動損傷圖像識別首先通過獲取損傷部位輪廓，然后再通過使用K-L變換分析法獲得破損部位的初步識別，于是為了增強(qiáng)識別的準(zhǔn)確度，使用魚群算法對圖像進(jìn)行分割處理，最終獲得精確度更高的破損識別部位。所以本文所研究的識別方式，相比于其他方法具有更好的可行性和魯棒性。

2）識別耗時分析結(jié)果：圖3為使用不同識別方法的耗時時間結(jié)果，從圖中可以看出，當(dāng)待識別圖像的數(shù)量不同時，3種方法中基于魚群算法的識別方式耗時最短，從而可以得到結(jié)論為與另外2種方法相比，本文所研究的方法具有更快的識別效率。因?yàn)樵摲椒ㄔ谧R別之前，經(jīng)過了圖像灰度轉(zhuǎn)換，該步驟有利于提高識別效率。

4 結(jié)語

運(yùn)動員在進(jìn)行體育運(yùn)動時難免會受到損傷，對其損傷圖片進(jìn)行識別有利于提高運(yùn)動員的治療效果。本文通過基于魚群算法對圖像破損部位進(jìn)行識別，與另外2種識別方式，本文的方法有助于提高識別效率和準(zhǔn)確度。運(yùn)動員在運(yùn)動時非常容易受傷，為了降低運(yùn)動員受傷程度，在訓(xùn)練過程中要嚴(yán)格按照動作標(biāo)準(zhǔn)進(jìn)行，避免受到嚴(yán)重的損傷。

參考文獻(xiàn)

[1]鄧奎，許亮，熊曼麗，等，關(guān)節(jié)鏡技術(shù)下足球運(yùn)動員半月板損傷的臨床研究[J].廣州體育學(xué)院學(xué)報(bào)，2016，036（05）：105-107.

[2]顧理琴，季秀霞，遠(yuǎn)距離采集圖像損傷區(qū)域三維重建仿真研究（英文）[J].機(jī)床與液壓，2017，045 （012）：147-152.

[3]陳華，趙新民，譚喬來，等，基于線性判別分析與超聲圖像特征的組織損傷檢測方法[J].中國醫(yī)學(xué)影像技術(shù)，2016，032（011）：1757-1760.

[4]舒妤，師利中，一種改進(jìn)譜聚類的機(jī)體損傷圖像過渡區(qū)提取方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2016，28（10）：1732-739.

[5]顏佩，丁亞軍，錢盛友，等.基于小波系數(shù)Hu矩的生物組織損傷監(jiān)測方法[J].電子測量與儀器學(xué)報(bào)，2016，030（007）：1062-1067.

[6]劉慧，楊更社，葉萬軍，等，基于CT圖像的凍結(jié)巖石冰含量及損傷特性分析[J].地下空間與工程學(xué)報(bào)，2016，12（4）：912-919.

[7]趙迪，徐志勝，基于MRSVD紅外熱像融合的混凝土結(jié)構(gòu)火災(zāi)損傷檢測方法[J].信息與控制，2017，46（1）：19-24.

[8]史衍，劉超峰，吳昊，功能解剖視角下女子柔道運(yùn)動員常見運(yùn)動損傷分析[J].首都體育學(xué)院學(xué)報(bào)，2017 （1）：53-57.

[9]呂海龍，張春合，向祖兵，網(wǎng)球運(yùn)動員身體形態(tài)的非對稱性適應(yīng)及損傷監(jiān)控研究進(jìn)展[J].體育科學(xué)，2017，037（009）：87-97.