基于计算机视觉的医疗护理智能监测方法技术

本发明专利技术涉及图像局部操作的技术领域，具体涉及一种基于计算机视觉的医疗护理智能监测方法，包括：获取医疗护理图像的频谱图，将频谱图分割为各局部区域；根据各局部区域内各个特征点的位置和角度，确定特征权重；根据各局部区域的特征权重和各局部区域内各个子块区域的功率谱密度，确定感兴趣值；根据各局部区域的感兴趣值确定各局部区域的最优高频阈值；利用最优高频阈值得到的空域图像进行医疗护理监测

【技术实现步骤摘要】
基于计算机视觉的医疗护理智能监测方法


[0001]本专利技术涉及图像局部操作的
，具体涉及一种基于计算机视觉的医疗护理智能监测方法
。

技术介绍

[0002]目前医疗护理结合了计算机视觉技术和医疗护理领域要求，旨在实现实时监测和分析被监测者的健康状况
。
为了对被监测者提供较为全面客观的分析，可以在行为监测中提取被监测者行为的运动轨迹
、
关键动作等特征，而行为特征的提取需要对获取的医疗护理图像数据进行预处理，以提高它的准确性和图像效果
。
对医疗护理图像的预处理包括边缘检测图像增强，可以使用频谱对图像高频信息进行提取，得到只包含高频边缘的图像
。
基于高频边缘的图像可以实现医疗护理智能监测，分析被监测者的行为运动轨迹
、
关键动作等特征
。
[0003]对医疗护理图像使用傅里叶变换，将其转换到频域进行分析，以便于获得原图的高频边缘
。
在高频边缘的确定过程中，需要确定空域中高频边缘所对应的高频范围，现有技术通过分析原图功率谱确定高频范围，即使用全局阈值对归一化后的功率谱进行阈值化处理，这里的原图功率谱可以表示图像在不同频率下的能量分布情况
。
在此场景图像下的高频信息可能在不同区域具有不同的强度和范围，使用全局阈值会丢失部分高频信息，导致经过二维傅里叶变换后的原图的部分边缘被消除，也就是高频边缘保留效果差，其将影响后续的医疗护理监测准确性
。

技术实现思路
r/>[0004]为了解决上述现有图像处理的高频边缘保留效果差，影响了后续医疗护理监测准确性的技术问题，本专利技术的目的在于提供一种基于计算机视觉的医疗护理智能监测方法，所采用的技术方案具体如下：本专利技术一个实施例提供了一种基于计算机视觉的医疗护理智能监测方法，该方法包括以下步骤：获取医疗护理图像的频谱图；根据频谱图中每个像素点的模值，确定频谱图中各个子块区域的功率谱密度；利用各个子块区域的功率谱密度将频谱图分割为各局部区域；根据各局部区域内各个特征点的位置和角度，确定各局部区域的特征权重；根据各局部区域的特征权重和各局部区域内各个子块区域的功率谱密度，确定各局部区域的感兴趣值；根据各局部区域的感兴趣值确定各局部区域的最优高频阈值；根据各局部区域的最优高频阈值对局部区域进行高通滤波，获得高通滤波结果；对高通滤波结果进行二维傅里叶逆变换得到空域图像，基于空域图像进行医疗护理监测
。
[0005]进一步地，所述根据频谱图中每个像素点的模值，确定频谱图中各个子块区域的功率谱密度，包括：将频谱图均分为预设数目个子块区域，对于任意一个子块区域，统计子块区域和频谱图像的像素点个数；根据子块区域内每个像素点的模值
、
子块区域和频谱图像的像素点个数，确定子块区域的功率谱密度
。
[0006]进一步地，所述根据子块区域内每个像素点的模值
、
子块区域和频谱图像的像素点个数，确定子块区域的功率谱密度，包括：计算子块区域内每个像素点的模值平方，将子块区域对应的所有像素点的模值平方的平均值，确定为第一功率谱密度因子；将子块区域的像素点个数与频谱图的像素点个数的比值，确定为第二功率谱密度因子；将第一功率谱密度因子和第二功率谱密度因子的乘积确定为子块区域的功率谱密度
。
[0007]进一步地，所述利用各个子块区域的功率谱密度将频谱图分割为各局部区域，包括：将任意一个子块区域确定为目标子块区域，将目标子块区域的八邻域内任意一个子块区域确定为邻域子块区域；计算目标子块区域与邻域子块区域之间的功率谱密度差值的绝对值，将功率谱密度差值的绝对值确定为第一合并因子；根据目标子块区域的第一合并因子，确定目标子块区域与邻域子块区域的合并概率；参考目标子块区域与邻域子块区域的合并概率的确定过程，获得各个子块区域与其八邻域内各个子块区域的合并概率；根据各个子块区域与其八邻域内各个子块区域的合并概率，将满足预设合并条件的两个子块区域合并到一个区域中，获得频谱图中的各局部区域；其中，所述预设合并条件为子块区域与其八邻域内子块区域的合并概率不小于预设概率阈值
。
[0008]进一步地，所述目标子块区域与邻域子块区域的合并概率的计算公式为：；式中，为第
g
个子块区域与第
j
个邻域子块区域的合并概率，
g
为子块区域的序号，第
g
个子块区域为目标子块区域，
j
为第
g
个子块区域的邻域子块区域的序号，
exp
为以自然常数为底的指数函数，为第
g
个子块区域的功率谱密度，为第
g
个子块区域的第
j
个邻域子块区域的功率谱密度，为第
g
个子块区域与第
j
个邻域子块区域的第一合并因子，为绝对值函数
。
[0009]进一步地，所述根据各局部区域内各个特征点的位置和角度，确定各局部区域的特征权重，包括：对于任意一个局部区域，对局部区域进行特征点提取获得局部区域内的各个特征点；根据局部区域内的各个特征点的位置，获得局部区域内的各个特征点对；确定局部区域内的各个特征点对的相对位置和相对角度，以相对位置向量为一个维度
、
相对角度为另一个维度，构建二维直方图；其中，所述相对位置为特征点对中两个特征点之间的横坐标差异和纵坐标差异，所述相对角度为特征点对中两个特征点之间的角度差异；根据二维直方图中各个特征点对的出现概率计算熵值，对熵值进行归一化处理，
将归一化处理后的熵值确定为局部区域的特征权重
。
[0010]进一步地，所述根据局部区域内的各个特征点的位置，获得局部区域内的各个特征点对，包括：以局部区域内的任意一个特征点为选定特征点，计算选定特征点与局部区域内其他各个特征点之间的距离，将距离最近的特征点与选定特征点组成特征点对，不断重复上述特征点对的获取过程，直至获得局部区域内的所有特征点对；其中，已被组成特征点对的特征点不参与后续的特征点对获取过程
。
[0011]进一步地，所述局部区域的感兴趣值的计算公式为：；式中，为第
q
个局部区域的感兴趣值，表示局部区域，
q
为局部区域的序号，为线性归一化函数，为第
q
个局部区域的功率谱密度，
、
以及为超参数，为正切函数，为第
q
个局部区域的特征权重，为
180
°
，
e
为自然常数；其中，第
q
个局部区域的功率谱密度为第
q
个局部区域内所有子块区域的功率谱密度均值
。
[0012]进一步地，所述根据各局部区域的感兴趣值确定各局部区域的最优高频阈值，包括：基于感兴趣值的取值范围将感兴趣值分为预设数目类，根据各局部区域的感兴趣值确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于计算机视觉的医疗护理智能监测方法，其特征在于，包括以下步骤：获取医疗护理图像的频谱图；根据频谱图中每个像素点的模值，确定频谱图中各个子块区域的功率谱密度；利用各个子块区域的功率谱密度将频谱图分割为各局部区域；根据各局部区域内各个特征点的位置和角度，确定各局部区域的特征权重；根据各局部区域的特征权重和各局部区域内各个子块区域的功率谱密度，确定各局部区域的感兴趣值；根据各局部区域的感兴趣值确定各局部区域的最优高频阈值；根据各局部区域的最优高频阈值对局部区域进行高通滤波，获得高通滤波结果；对高通滤波结果进行二维傅里叶逆变换得到空域图像，基于空域图像进行医疗护理监测
。2.
根据权利要求1所述的一种基于计算机视觉的医疗护理智能监测方法，其特征在于，所述根据频谱图中每个像素点的模值，确定频谱图中各个子块区域的功率谱密度，包括：将频谱图均分为预设数目个子块区域，对于任意一个子块区域，统计子块区域和频谱图像的像素点个数；根据子块区域内每个像素点的模值
、
子块区域和频谱图像的像素点个数，确定子块区域的功率谱密度
。3.
根据权利要求2所述的一种基于计算机视觉的医疗护理智能监测方法，其特征在于，所述根据子块区域内每个像素点的模值
、
子块区域和频谱图像的像素点个数，确定子块区域的功率谱密度，包括：计算子块区域内每个像素点的模值平方，将子块区域对应的所有像素点的模值平方的平均值，确定为第一功率谱密度因子；将子块区域的像素点个数与频谱图的像素点个数的比值，确定为第二功率谱密度因子；将第一功率谱密度因子和第二功率谱密度因子的乘积确定为子块区域的功率谱密度
。4.
根据权利要求1所述的一种基于计算机视觉的医疗护理智能监测方法，其特征在于，所述利用各个子块区域的功率谱密度将频谱图分割为各局部区域，包括：将任意一个子块区域确定为目标子块区域，将目标子块区域的八邻域内任意一个子块区域确定为邻域子块区域；计算目标子块区域与邻域子块区域之间的功率谱密度差值的绝对值，将功率谱密度差值的绝对值确定为第一合并因子；根据目标子块区域的第一合并因子，确定目标子块区域与邻域子块区域的合并概率；参考目标子块区域与邻域子块区域的合并概率的确定过程，获得各个子块区域与其八邻域内各个子块区域的合并概率；根据各个子块区域与其八邻域内各个子块区域的合并概率，将满足预设合并条件的两个子块区域合并到一个区域中，获得频谱图中的各局部区域；其中，所述预设合并条件为子块区域与其八邻域内子块区域的合并概率不小于预设概率阈值
。5.
根据权利要求4所述的一种基于计算机视觉的医疗护理智能监测方法，其特征在于，所述目标子块区域与邻域子块区域的合并概率的计算公式为：；式中，为第
g
个子块区域与第
j
个邻域子块区域的合并概率，
g
为子块区域的序号，第
g
个子块区域为目标子块区域，
j
为第
g
个子块区域的邻域子块区
域的序号，
exp
为以自然...

【专利技术属性】
技术研发人员：庞流芳，张岳，曾婷，周莹，段慧晶，
申请(专利权)人：大连清东科技有限公司，
类型：发明
国别省市：