大量血液 斑点噪声，为了减少噪声，同时保留图像中的细节信息，首先采用斑点去噪各向异性扩散 (Specklereducinganisotropicdiffusion，SRAD)算法（YuYongjianandActonScott T.Specklereducinganisotropicdiffusion.IEEETransactionsonImageProcessi ng. 2002, 11 (11) : 1260-1270.)对各帧IVUS图像进行滤波。具体步骤如下：
[0054]步骤⑴：计算原始IVUS图像I的扩散尺度c(q)，具体方法如下：
[0055] 首先，计算原始IVUS图像I的灰度梯度▽I，并对图像I进行离散拉普拉斯变换得 到▽ 21 ;然后，将▽I和▽ 21代入如下方程求解扩散系数q:
[0057] 最后，将扩散系数q代入如下方程求解扩散尺度c(q):
[0059] 其中，qQ(t)是IVUS图像I的灰度均匀区域z(t)的局部方差系数：
[0061] 其中，@和var(z(t))分别是z(t)的灰度均值和方差。
[0062] 步骤⑵：将扩散尺度c(q)和原始图像的灰度值I代入以下方程得到中间结果图 像J:
[0064] 其中，div( ?)为散度算子；At为SRAD算法的时间步长，本发明中将其设定为1。
[0065] 步骤（3):重复步骤⑴和步骤（2)P次，得到最终的滤波结果图像f，其中P是迭 代次数。本发明中将P设定为100。
[0066] 2?灰度拉伸：
[0067] 按照下式将经过SRAD滤波后的IVUS图像的灰度值扩展到区间[0, 255]中：
[0069] 其中，r是扩展后的灰度值；和fmin分别是SRAD滤波结果图像/的最大和最 小灰度值。通过拉伸图像的灰度区间，使灰度特征更加明显。
[0070] 3?提取灰度特征向量
[0071] 对经过灰度扩展的IVUS图像，计算归一化灰度直方图：
[0073] 其中，i= 0, 1，…，255叫是图像中具有灰度级i的像素个数；m是图像中总的像 素数；H(i)G[0, 1]。这样，对每一帧IVUS图像，都得到一个256维的归一化灰度特征向量 H= {H(0)，H(1)，H(2)，...，H(255)}。
[0074] 4?计算相似度：
[0075] 计算IVUS图像序列中的第k帧和第k+1帧（k= 1，2,…，N-l，N是IVUS图像序 列的总帧数）的256维归一化灰度特征向量Hk和Hk+1之间的巴氏（Bhattacharyya)距离 DB(k)，作为对相邻两帧图像之间相似度的度量。DB(k)的计算方法为：
[0076]DB(k) = -ln[BC(Hk,Hk+1)] (7)其中，巴氏系数BC(Hk，Hk+1)的计算方法是
[0078] 这样得到一个长度为N-1 的数组Db= {Db(1)，Db(2)，...，Db(N_1)}。
[0079] 5?选取关键帧：
[0080] 巴氏距离越接近1，表示相邻两帧图像的相似度越高；越接近〇,表示两帧图像的 差异越大。
[0081] 本发明方法采用自适应的方法得到阈值，并选取关键帧，具体步骤如下：
[0082] 步骤⑴：对数组Db中的元素按照从大到小的顺序排序，得到排序后的数组Db' = {Db' (1)，Db' (2)，…Db' (T)，...，Db' (n-1)}。以Db' (T)为界，把Db'分为Db1' = {Db，（1)，Db' (2)，…Db' (T)}和DB2，={Db' (T+1)，Db' (T+2)，…Db' (N-1)}两个数 组。
[0083] 步骤⑵：DB1'和DB2'的方差之和为：
[0085] 其中
[0088] 分别是DB1'和DB2'的平均值。对于T= 1，2，..，^1，分别计算两个数组％1'和 DB2'的方差和，得到N-1个方差和私…，J、，从中找出使方差和最小的！\则DB'（T) 即为所求阈值Dt。
[0089] 步骤（3):若第k帧和第k+1帧之间的巴氏距离低于阈值DT，则认为图像序列的第 k帧为关键帧；否则不是：
[0091] 其中，DB(k)是第k帧和第k+1帧图像特征向量之间的巴氏距离；rk是经过SRAD滤波和灰度拉伸后的IVUS图像序列中的第k帧；Kk是第k个关键帧。
[0092] 图1和图2是对一个包含2500帧的IVUS图像序列进行关键帧提取的结果，其中 阈值设置为〇. 948,共检出12个关键帧（低于阈值的有10帧，加上图像序列的首帧和末帧， 共计12帧），算法运行时间为3. 49s(不考虑读入图像等初始化步骤所花费的时间），压缩 比（即图像序列的总帧数与提取出的关键帧数之比）为208. 3,冗余度（即自动检索的关键 帧数与人工检索的关键帧数的比值）为1. 125。冗余度越接近1，则自动检索算法的性能越 好。
【主权项】
1. 一种血管内超声视频中关键帧的自动检索方法，其特征是，所述方法首先对各帧图 像进行斑点去噪各向异性扩散滤波；然后在对滤波后的图像进行灰度拉伸的基础上，计算 各帧图像的灰度直方图，得到256维的归一化灰度特征向量；再计算相邻帧灰度特征向量 之间的巴氏距离，作为对相邻帧图像相似度的度量；最后通过将相邻帧灰度特征向量之间 的巴氏距离与设定的阈值进行比较，完成关键帧的提取，所述方法包括以下步骤： a. 对各帧图像进行斑点去噪各向异性扩散滤波； b. 灰度拉伸： 按照下式将经过SRAD滤波后的IVUS图像的灰度值f扩展到区间[0, 255]中：其中，Γ是扩展后的灰度值；fmax和分别是SRAD滤波结果图像/的最大和最小灰度 值； c. 提取灰度特征向量 对经过灰度扩展的IVUS图像，计算归一化灰度直方图： 孖①二一 m 其中，i = 0, 1，…，255 ;ni是图像中具有灰度级i的像素个数；m是图像中总的像素数； H(i) e [〇，1]，这样，对每一帧IVUS图像，都得到一个256维的归一化灰度特征向量H = {Η(0)，Η(1)，Η(2)，···，Η(255)}; d. 计算相邻帧灰度特征向量之间的巴氏距离： 计算IVUS图像序列中的第k帧和第k+Ι帧（k = 1，2, ·"，Ν-1，N是IVUS图像序列的 总帧数）的256维归一化灰度特征向量Hk和Hk+1之间的巴氏距离0八1〇,0"1〇的计算方法 为： Db (k) = -ln[BC(Hk,Hk+1)]； 其中，巴氏系数BC(Hk，Hk+1)的计算方法是这样得到一个长度为N-I的数组Db= {D B (I)，Db (2)，…，Db (N-I); e. 选取关键帧： 将第k帧和第k+Ι帧之间的巴氏距离DB(k)与设定的阈值化进行比较，若D ^氏于阈值 Dt，则认为图像序列的第k帧为关键帧；否则不是，即：其中，是经过SRAD滤波和灰度拉伸后的IVUS图像序列中的第k帧；K k是第k个关 键帧。2. 根据权利要求1所述的血管内超声视频中关键帧的自动检索方法，其特征是，所述 阈值〇:采用自适应的方法获取，具体步骤如下： I .对数组Db中的元素按照从大到小的顺序排序，得到排序后的数组Db'= {Db' (1),Db， (2)，…Db' (T)，...，Db' (N-l)};以 Db'⑴为界，把 Db'分为 Dbi'= {DB，（1)，DB' (2)，…Db' (T)}和 DB2，={DB' (T+1)，DB' (T+2)，…Db' (N-1)}两个数 组； II .计算Db/和Db,的方差之和：对于T= 1，2，..，N-1，分别计算两个数组Dbi'和Db2'的方差和，得到N-I个方差和 私:，4"_,4扣从中找出使方差和最小的1'，则0;(1')即为所求阈值0^3. 根据权利要求1或2所述的血管内超声视频中关键帧的自动检索方法，其特征是，采 用斑点去噪各向异性扩散算法对各帧IVUS图像进行滤波的具体步骤如下： ① 计算原始IVUS图像I的扩散尺度c (q)，具体方法如下： 首先计算原始IVUS图像I的灰度梯度VJ，并对图像I进行离散拉普拉斯变换得到 V2/ ;然后将V/和V2/代入如下方程求解扩散系数q :最后，将扩散系数q代入如下方程求解扩散尺度c (q):其中，qjt)是IVUS图像I的灰度均勾区域z⑴的局部方差系数，z(/)和var(z⑴） 分别是z (t)的灰度均值和方差； ② 将扩散尺度c(q)和原始图像的灰度值I代入以下方程得到中间结果图像/ :其中，div( ·)为散度算子；At为SRAD算法的时间步长； ③ 重复步骤①和步骤②P次，得到最终的滤波结果图像f，其中P是迭代次数。4. 根据权利要求3所述的血管内超声视频中关键帧的自动检索方法，其特征是，采用 斑点去噪各向异性扩散算法对各帧IVUS图像进行滤波时，SRAD算法的时间步长△ t设定 为1秒；迭代次数P设定为100。
【专利摘要】一种血管内超声视频中关键帧的自动检索方法，所述方法首先对各帧图像进行斑点去噪各向异性扩散滤波；然后在对滤波后的图像进行灰度拉伸的基础上，计算各帧图像的灰度直方图，得到256维的归一化灰度特征向量；再计算相邻帧灰度特征向量之间的巴氏距离，作为对相邻帧图像相似度的度量；最后通过将相邻帧灰度特征向量之间的巴氏距离与设定的阈值进行比较，完成关键帧的提取。本发明通过分析IVUS图像的灰度特征实现血管内超声视频中关键帧的快速提取，可帮助测试者迅速定位变异或者外物植入的位置，为血管异变的处理、评价提供可靠信息。
【IPC分类】A61B8/00, G06T7/00
【公开号】CN104899861
【申请号】CN201510152617
【发明人】孙正, 王立欣
【申请人】华北电力大学（保定）
【公开日】2015年9月9日
【申请日】2015年4月1日