一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法
【專利摘要】本發(fā)明公開(kāi)了一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法，具體按照以下步驟實(shí)施：步驟1、建立紅外測(cè)溫物理模型；步驟2、利用步驟1得到的物理模型分析溫度與灰度的對(duì)應(yīng)關(guān)系，將通過(guò)紅外熱像儀得到的圖像轉(zhuǎn)換成為灰度圖像；步驟3、對(duì)步驟2得到的灰度圖像進(jìn)行處理；步驟4、將步驟3得到的處理結(jié)果與醫(yī)學(xué)影像進(jìn)行對(duì)比分析，及早發(fā)現(xiàn)人體組織病灶，本發(fā)明解決了現(xiàn)有技術(shù)中存在的人體組織病灶檢測(cè)時(shí)間晚、檢測(cè)體積大而導(dǎo)致病灶發(fā)展至一定密度、一定體積時(shí)才能被檢測(cè)出來(lái)的問(wèn)題。
【專利說(shuō)明】
一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域，具體涉及一種基于紅外熱像技術(shù)的人體組織 病灶檢測(cè)方法。
【背景技術(shù)】
[0002] 醫(yī)用紅外熱像儀是用于探測(cè)人體紅外輻射，并集光學(xué)、精密儀器、熱成像技術(shù)、電 子學(xué)、圖像處理技術(shù)于一身的高新儀器，通過(guò)熱像圖的形式顯示人體皮膚表面溫度分布的 變化、變化部位和程度。醫(yī)務(wù)人員通過(guò)觀察紅外熱像儀得到的熱像圖可定量分析測(cè)出溫度 并結(jié)合臨床經(jīng)驗(yàn)，對(duì)病灶進(jìn)行診斷。
[0003] 由于紅外熱像技術(shù)能在細(xì)胞組織新陳代謝發(fā)生變化時(shí)獲取實(shí)時(shí)信息，因而，凡是 能引起人體組織熱變化的疾病都可用該技術(shù)進(jìn)行診察，其臨床價(jià)值高，應(yīng)用范圍廣。可以通 過(guò)紅外熱像儀被動(dòng)地接收人體新陳代謝過(guò)程中的紅外熱輻射信號(hào)，測(cè)量出熱輻射源的數(shù) 值、形態(tài)和深度，依據(jù)人體各組織和疾病與全身熱輻射的分布狀態(tài)的對(duì)應(yīng)關(guān)系，經(jīng)過(guò)整理量 化后形成的紅外熱像即為人體表皮溫度的分布圖像。人體作為一個(gè)天然的生物發(fā)熱體，由 于組織代謝、解剖結(jié)構(gòu)、神經(jīng)狀態(tài)以及血液循環(huán)的不同，機(jī)體各個(gè)部位的溫度也不相同，繼 而形成了不同的溫度分布熱場(chǎng)。根據(jù)異常與正常組織區(qū)域的熱輻射差值，結(jié)合臨床則可以 診斷并推斷疾病的性質(zhì)和程度。
[0004] 現(xiàn)階段醫(yī)學(xué)病理診斷主要運(yùn)用核磁共振(MRI)、X射線、斷層掃描(CT)、B超等結(jié)構(gòu) 影像的技術(shù)方法，但需要在病灶發(fā)展至一定密度、一定體積時(shí)才能顯示這種異常的結(jié)構(gòu)變 化。而紅外熱成像技術(shù)應(yīng)用在醫(yī)學(xué)成像上則屬于功能性影像學(xué)，從疾病發(fā)生、發(fā)展的一般進(jìn) 程來(lái)看，器官功能或組織性狀的改變往往先于其形態(tài)和結(jié)構(gòu)的變異。當(dāng)體表溫度變化達(dá)到 熱像儀的分辨率時(shí)，醫(yī)用紅外熱像儀就可以檢測(cè)和記錄到這種變化，顯示出異常高溫或低 溫的部位，能夠?qū)崿F(xiàn)人體組織病灶的早期發(fā)現(xiàn)，以便早期診斷，盡快治療，同時(shí)準(zhǔn)確快捷，實(shí) 用高效，而且對(duì)人體組織沒(méi)有任何損傷。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法，解決了現(xiàn) 有技術(shù)中存在的人體組織病灶檢測(cè)時(shí)間晚、檢測(cè)體積大而導(dǎo)致病灶發(fā)展至一定密度、一定 體積時(shí)才能被檢測(cè)出來(lái)的問(wèn)題。
[0006] 本發(fā)明所采用的技術(shù)方案是，一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法， 具體按照以下步驟實(shí)施：
[0007] 步驟1、建立紅外測(cè)溫物理模型；
[0008] 步驟2、利用步驟1得到的物理模型分析溫度與灰度的對(duì)應(yīng)關(guān)系，將通過(guò)紅外熱像 儀得到的溫度圖像轉(zhuǎn)換成為灰度圖像；
[0009] 步驟3、對(duì)步驟2得到的灰度圖像進(jìn)行處理；
[0010] 步驟4、將步驟3得到的處理結(jié)果與醫(yī)學(xué)影像進(jìn)行對(duì)比分析，及早發(fā)現(xiàn)人體組織病 灶。
[0011] 本發(fā)明的特點(diǎn)還在于，
[0012] 步驟1具體按照以下步驟實(shí)施：
[0013] 步驟(1.1 )、首先根據(jù)紅外輻射測(cè)溫公式求得輻射照度，公式如下：
[0014] Ea = AocT2[τ"ε 入 LbA(To)+wa-a 入)LbA(Tu)+eaALbA(Ta)] (I)
[0015] (I)式中，αλ為被測(cè)物體表面吸收率，ελ為被測(cè)物體表面發(fā)射率，為大氣發(fā)射率， τ3λ為大氣的光譜透射率，To為被測(cè)物體表面溫度，Ta為大氣溫度，Tu為環(huán)境溫度，d為被測(cè)物 體表面到測(cè)量?jī)x器之間的垂直距離，AocT 2為常量，Ao為目標(biāo)的可視面積；
[0016] 步驟(1.2)、根據(jù)步驟(1.1)得到的輻射照度求得紅外熱像儀的響應(yīng)電壓：
[0017]通常紅外熱成像儀工作在一個(gè)非常窄的波段范圍內(nèi)，8~14μπι之間或3~5μπι之間， 則認(rèn)為(1)式中的ελ、αλ、與λ無(wú)關(guān)，則得紅外熱像儀的響應(yīng)電壓Vs為：
[0018]
.(2.)
[0019] (2)式中，Ar為熱像儀透鏡的面積，Ao為目標(biāo)的可視面積，AocT2為常量，令K = ARAod
[0020] Vs = K{Ta[ef(To) + (l-a)f(Tu)+eaf(Ta)]} (3)
[0021 ]步驟(1.3)、計(jì)算物體表面真實(shí)溫度：
[0022]根據(jù)普朗克黑體輻射定律，可得
[0023]
(4)
[0024] (4)式中，Tr為被測(cè)物體表面的輻射溫度，T。為被測(cè)物體表面的真實(shí)溫度，T u為環(huán)境 溫度，Ta為大氣溫度，α為被測(cè)物體表面吸收率，ε為物體表面發(fā)射率，^為大氣發(fā)射率，^為 大氣的透射率，η的取值隨使用熱像儀時(shí)波段不同而異，對(duì)InSb(3~5μπι)探測(cè)器，η值為 8 · 68，對(duì) HgCdTe (6~9μπι)探測(cè)器，η 值為5 · 33，對(duì) HgCdTe (8~14μπι)探測(cè)器，η 值為 4 · 09;
[0025] 設(shè)被測(cè)物體表面真實(shí)溫度為To,則To的計(jì)算公式如下：
[0026] (5)
[0027]步驟（1.4)、當(dāng)人體表面發(fā)射率保持恒定，可將人體看作為灰體，當(dāng)被測(cè)物體表面 滿足灰體近似時(shí)，即ε =α，且若認(rèn)為大氣= l_ia，則灰體表面的真實(shí)溫度計(jì)算如下：
[0028]由上述(3)式可得：
[0029] Vs = K{Ta[ef(To) + (l-e)f(Tu)] + (l-Ta)f(Ta)} (6)
[0030] 由上述(4)式可得：
[0032] 由上述(5)式可得灰體表面真實(shí)溫度為To，To的計(jì)算公式如下：
[0031] (7)
[0033] (8)
[0034] 步驟(1.5)、計(jì)算被測(cè)物體兩點(diǎn)真實(shí)溫度差具體為：
[0035] 近距離測(cè)溫時(shí)，忽略大氣透過(guò)率的影響，令Ta=I，則所述步驟1.4中的式(7)變?yōu)?br>[0036] (9)
[0037]
[0038] (10)
[0039] 得到物體表面的真實(shí)溫度，
[0040] 當(dāng)被測(cè)物體表面溫度遠(yuǎn)大于環(huán)境溫度時(shí)，即Tu/To> >0，則(9)、（ 10)式變?yōu)?br>則 ⑴）
[0042] (12)
[0043] 若測(cè)出被測(cè)物體表面任意兩點(diǎn)的輻射溫度分別是TdPTr2,則這兩點(diǎn)的真實(shí)溫度 差為
[0044] (13)
[0045] 步驟2具體為：
[0046] 步驟(2.1 )、當(dāng)步驟1中被測(cè)物體表面任意兩點(diǎn)間的體表溫度變化達(dá)到紅外熱像儀 的分辨率時(shí)，采用紅外熱像儀檢測(cè)和記錄到這種變化，顯示出異常高溫或低溫的部位，在顯 示屏上以偽彩色的形式顯示出體表的溫度分布圖像。
[0047] 步驟(2.2)、在測(cè)試物體表面溫度之前使用高精度的黑體爐作為標(biāo)準(zhǔn)，繪制出光電 轉(zhuǎn)換器件輸出信號(hào)與黑體爐溫度的關(guān)系曲線，黑體發(fā)射的輻射能量與溫度之間的關(guān)系是非 線性的，通過(guò)熱像儀光譜響應(yīng)和普朗克輻射定律計(jì)算得到，為了建立輻射量和溫度之間的 關(guān)系，對(duì)黑體進(jìn)行不同溫度的設(shè)置對(duì)其進(jìn)行測(cè)量，并將測(cè)量結(jié)果與黑體精確的溫度值進(jìn)行 擬合，就得到了校準(zhǔn)曲線，通過(guò)鏡頭上的傳感器將被測(cè)物體的紅外輻射能量轉(zhuǎn)換成電信號(hào)， 再經(jīng)過(guò)鏡頭后面的后續(xù)電路對(duì)這些原始電信號(hào)進(jìn)一步處理轉(zhuǎn)變成灰度值，在顯示器顯示出 來(lái)，經(jīng)過(guò)這樣一個(gè)過(guò)程，就得到了圖像灰度值和物體溫度之間的對(duì)應(yīng)關(guān)系，進(jìn)而得到灰度圖 像。
[0048]步驟3具體為，醫(yī)學(xué)圖像處理算法研究，在基于修正維納濾波的小波包變換圖像去 噪、基于脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的小波自適應(yīng)斑點(diǎn)噪聲濾除、基于小波變換等醫(yī)學(xué)圖像增 強(qiáng)算法基礎(chǔ)上提出針對(duì)噪聲更加穩(wěn)健的邊緣檢測(cè)新算法。設(shè)計(jì)基于角點(diǎn)檢測(cè)的對(duì)噪聲穩(wěn)健 的邊緣檢測(cè)器，利用多尺度各向異性高斯方向梯度濾波器來(lái)提取邊緣和特征點(diǎn)結(jié)構(gòu)信息：
[0049]步驟(3.1)、建立不同類型的邊緣模型，包括階梯式、脈沖式、斜坡式和雙脊型邊緣 模型，以及特征點(diǎn)的模型，包括L型、Y型、X型、星型、端型、階梯型的特征點(diǎn)的模型，然后建立 能有效區(qū)分相鄰的邊緣和特征點(diǎn)的相對(duì)于不同的局部特征模型的各向異性高斯方向梯度 表達(dá)式，以及特征可分離度的度量方法，進(jìn)行噪音敏感度的測(cè)量與估算以及在幾何和灰度 變換中魯棒性的度量；
[0050] 步驟(3.2)、鏈接各向異性高斯方向梯度表示；
[0051] 步驟(3.3)、對(duì)紅外圖像進(jìn)行對(duì)數(shù)變換，使斑點(diǎn)噪聲轉(zhuǎn)換為加性噪聲，將紅外圖像 經(jīng)維納濾波處理，計(jì)算其加性噪聲的標(biāo)準(zhǔn)方差，以此作為小波閾值，然后，利用小波變換對(duì) 圖像進(jìn)行預(yù)處理，利用PCNN在小波域中對(duì)小波系數(shù)進(jìn)行相應(yīng)的修正，最后，進(jìn)行小波逆變換 和指數(shù)變換，獲得濾除噪聲的圖像。
[0052]本發(fā)明的有益效果是，一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法，根據(jù)紅 外測(cè)溫原理和熱輻射定理，深入研究人體紅外輻射-表面溫度-物質(zhì)特性三者間的內(nèi)在關(guān) 系，建立醫(yī)學(xué)紅外成像物理模型，醫(yī)學(xué)紅外診斷圖像預(yù)處理系統(tǒng)、基于紅外熱像技術(shù)的醫(yī)學(xué) 圖像處理及診斷平臺(tái)，再與結(jié)構(gòu)影像技術(shù)相結(jié)合，可使許多病變得到早期發(fā)現(xiàn)，疾病規(guī)律得 到更全面認(rèn)識(shí)，疾病性質(zhì)得到更準(zhǔn)確診斷。相較于核磁共振、B超等結(jié)構(gòu)影像技術(shù)，本發(fā)明能 夠?qū)崿F(xiàn)人體組織病灶的盡早發(fā)現(xiàn)，準(zhǔn)確快捷，實(shí)用高效，而且對(duì)人體組織沒(méi)有任何損傷。
【附圖說(shuō)明】
[0053]圖1(a)是本發(fā)明一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法實(shí)驗(yàn)仿真中采 用的實(shí)驗(yàn)原圖像；
[0054]圖1(b)是本發(fā)明一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法實(shí)驗(yàn)仿真中添 加的斑點(diǎn)噪聲圖像；
[0055] 圖1(c)是本發(fā)明一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法實(shí)驗(yàn)仿真中經(jīng) 典去噪方法維納濾波(Wiener)處理后的圖像；
[0056] 圖1(d)是本發(fā)明一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法實(shí)驗(yàn)仿真中基 于PCNN的中值濾波方法(PCNN-MF)處理后的圖像；
[0057]圖1(e)是本發(fā)明一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法實(shí)驗(yàn)仿真中基 于PCNN的小波軟閾值濾波方法(PCNN-WD)處理后的圖像；
[0058]圖1(f)是本發(fā)明一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法實(shí)驗(yàn)仿真中采 用本發(fā)明提出的方法處理后的圖像；
[0059]圖2是本發(fā)明一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法有效性驗(yàn)證中采用 的原始圖像；
[0060] 圖3是本發(fā)明一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法有效性驗(yàn)證中含噪 圖像；
[0061] 圖4是本發(fā)明一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法有效性驗(yàn)證中維納 濾波去噪后的圖像；
[0062]圖5是本發(fā)明一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法有效性驗(yàn)證中小波 包去噪后的圖像；
[0063]圖6是本發(fā)明一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法有效性驗(yàn)證中修正 維納濾波+小波包去噪后的圖像。
【具體實(shí)施方式】
[0064]下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。
[0065]本發(fā)明一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法，具體按照以下步驟實(shí) 施：
[0066] 步驟I、建立紅外測(cè)溫物理模型；
[0067]步驟2、利用步驟1得到的物理模型分析溫度與灰度的對(duì)應(yīng)關(guān)系，將通過(guò)紅外熱像 儀得到的溫度圖像轉(zhuǎn)換成為灰度圖像；
[0068] 步驟3、對(duì)步驟2得到的灰度圖像進(jìn)行處理；
[0069] 步驟4、將步驟3得到的處理結(jié)果與醫(yī)學(xué)影像進(jìn)行對(duì)比分析，及早發(fā)現(xiàn)人體組織病 灶。
[0070]其中，步驟1具體按照以下步驟實(shí)施：
[0071 ]步驟(1.1 )、首先根據(jù)紅外輻射測(cè)溫公式求得輻射照度，公式如下：
[0072]
[0073] (1)式中，αλ為被測(cè)物體表面吸收率，ελ為被測(cè)物體表面發(fā)射率，為大氣發(fā)射率， τ3λ為大氣的光譜透射率，To為被測(cè)物體表面溫度，Ta為大氣溫度，Tu為環(huán)境溫度，d為被測(cè)物 體表面到測(cè)量?jī)x器之間的垂直距離，AocT 2為常量，Ao為目標(biāo)的可視面積；
[0074] 步驟(1.2)、根據(jù)步驟(1.1)得到的輻射照度求得紅外熱像儀的響應(yīng)電壓：
[0075]通常紅外熱成像儀工作在一個(gè)非常窄的波段范圍內(nèi)，8~14μπι之間或3~5μπι之間， 則認(rèn)為(1)式中的ελ、αλ、與λ無(wú)關(guān)，則得紅外熱像儀的響應(yīng)電壓Vs為：
[0076]
(2)
[0077] (2)式中，Ar為熱像儀透鏡的面積，Ao為目標(biāo)的可視面積，AocT2為常量，令K = ARAod
[0078] Vs = K{Ta[ef(To) + (l-a)f(Tu)+eaf(Ta)]} (3)
[0079] 步驟(1.3)、計(jì)算物體表面真實(shí)溫度：
[0080]根據(jù)普朗克黑體輻射定律，可得
[0081 ]
(4)
[0082] (4)式中，Tr為被測(cè)物體表面的輻射溫度，T。為被測(cè)物體表面的真實(shí)溫度，Tu為環(huán)境 溫度，Ta為大氣溫度，α為被測(cè)物體表面吸收率，ε為物體表面發(fā)射率，^為大氣發(fā)射率，^為 大氣的透射率，η的取值隨使用熱像儀時(shí)波段不同而異，對(duì)InSb(3~5μπι)探測(cè)器，η值為 8 · 68，對(duì) HgCdTe (6~9μπι)探測(cè)器，η 值為5 · 33，對(duì) HgCdTe (8~14μπι)探測(cè)器，η 值為 4 · 09;
[0083] 沿姑》丨物優(yōu)丟而直Stffi磨為Tn. Rl丨丨Τη?如+管公式如下：
[0084] (5)
[0085] 步驟（1.4)、當(dāng)人體表面發(fā)射率保持恒定，可將人體看作為灰體，當(dāng)被測(cè)物體表面 滿足灰體近似時(shí)，即ε =α，且若認(rèn)為大氣= l_ia，則灰體表面的真實(shí)溫度計(jì)算如下：
[0086]由上述（3)式可得：
[0087] Vs = K{Ta[ef(To) + (l-e)f(Tu)] + (l-Ta)f(Ta)} (6)
[0088] 由上述(4)式可得：
[0089]
[0090] 由上述(5)式可得灰體表面真實(shí)溫度為To，To的計(jì)算公式如下： (67)
[0091] (8)
[0092] 步驟(1.5)、計(jì)算被測(cè)物體兩點(diǎn)真實(shí)溫度差具體為：
[0093]近距離測(cè)溫時(shí)，忽略大氣透過(guò)率的影響，令L=I，則所述步驟1.4中的式(7)變?yōu)?br>[0094] (9)
[0095]
[0096] (10)
[0097] 當(dāng)被測(cè)物體表面溫度遠(yuǎn)大于環(huán)境溫度時(shí)，即Tu/To> >0，則(9)、（ 10)式變?yōu)?br>[0_ Π1)
[0099] (12)
[0100] 若測(cè)出被測(cè)物體表面任意兩點(diǎn)的輻射溫度分別是TrdPTr2,則這兩點(diǎn)的真實(shí)溫度 差為
[0101] (13)
[0102] 步驟2具體為：
[0103] 步驟(2.1)、當(dāng)步驟1中被測(cè)物體表面任意兩點(diǎn)間的體表溫度變化達(dá)到紅外熱像儀 的分辨率時(shí)，采用紅外熱像儀檢測(cè)和記錄到這種變化，顯示出異常高溫或低溫的部位，在顯 示屏上以偽彩色的形式顯示出體表的溫度分布圖像。
[0104] 步驟(2.2)、在測(cè)試物體表面溫度之前使用高精度的黑體爐作為標(biāo)準(zhǔn)，繪制出光電 轉(zhuǎn)換器件輸出信號(hào)與黑體爐溫度的關(guān)系曲線，黑體發(fā)射的輻射能量與溫度之間的關(guān)系是非 線性的，通過(guò)熱像儀光譜響應(yīng)和普朗克輻射定律計(jì)算得到，為了建立輻射量和溫度之間的 關(guān)系，對(duì)黑體進(jìn)行不同溫度的設(shè)置對(duì)其進(jìn)行測(cè)量，并將測(cè)量結(jié)果與黑體精確的溫度值進(jìn)行 擬合，就得到了校準(zhǔn)曲線，通過(guò)鏡頭上的傳感器將被測(cè)物體的紅外輻射能量轉(zhuǎn)換成電信號(hào)， 再經(jīng)過(guò)鏡頭后面的后續(xù)電路對(duì)這些原始電信號(hào)進(jìn)一步處理轉(zhuǎn)變成灰度值，在顯示器顯示出 來(lái)，經(jīng)過(guò)這樣一個(gè)過(guò)程，就得到了圖像灰度值和物體溫度之間的對(duì)應(yīng)關(guān)系，進(jìn)而得到灰度圖 像。
[0105] 步驟3具體為，醫(yī)學(xué)圖像處理算法研究，在基于修正維納濾波的小波包變換圖像去 噪、基于脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的小波自適應(yīng)斑點(diǎn)噪聲濾除、基于小波變換等醫(yī)學(xué)圖像增 強(qiáng)算法基礎(chǔ)上提出針對(duì)噪聲更加穩(wěn)健的邊緣檢測(cè)新算法，設(shè)計(jì)基于角點(diǎn)檢測(cè)的對(duì)噪聲穩(wěn)健 的邊緣檢測(cè)器，利用多尺度各向異性高斯方向梯度濾波器來(lái)提取邊緣和特征點(diǎn)結(jié)構(gòu)信息：
[0106] 步驟(3.1)、建立不同類型的邊緣模型，包括階梯式、脈沖式、斜坡式和雙脊型邊緣 模型，以及特征點(diǎn)的模型，包括L型、Y型、X型、星型、端型、階梯型的特征點(diǎn)的模型，然后建立 能有效區(qū)分相鄰的邊緣和特征點(diǎn)的相對(duì)于不同的局部特征模型的各向異性高斯方向梯度 表達(dá)式，以及特征可分離度的度量方法，進(jìn)行噪音敏感度的測(cè)量與估算以及在幾何和灰度 變換中魯棒性的度量；
[0107]步驟(3.2 )、鏈接各向異性高斯方向梯度表示；
[0108] 步驟(3.3)、對(duì)紅外圖像進(jìn)行對(duì)數(shù)變換，使斑點(diǎn)噪聲轉(zhuǎn)換為加性噪聲，將紅外圖像 經(jīng)維納濾波處理，計(jì)算其加性噪聲的標(biāo)準(zhǔn)方差，以此作為小波閾值，然后，利用小波變換對(duì) 圖像進(jìn)行預(yù)處理，利用PCNN在小波域中對(duì)小波系數(shù)進(jìn)行相應(yīng)的修正，最后，進(jìn)行小波逆變換 和指數(shù)變換，獲得濾除噪聲的圖像。
[0109] 試驗(yàn)仿真：
[0110] 測(cè)試實(shí)驗(yàn)中，被測(cè)物體與探測(cè)器之間的距離設(shè)置為3m，環(huán)境溫度分別為13°C，20 °C，22°C左右，實(shí)驗(yàn)時(shí)首先調(diào)整黑體爐的溫度，保持黑體爐溫度穩(wěn)定，記錄黑體熱像圖，找到 圖像上對(duì)應(yīng)點(diǎn)的灰度值，實(shí)驗(yàn)在黑體溫度293K~337K的范圍內(nèi)測(cè)量，不同環(huán)境條件下測(cè)得 的實(shí)驗(yàn)數(shù)據(jù)分別計(jì)入表1至表3中：
[0111]表1溫度與灰度對(duì)應(yīng)關(guān)系實(shí)驗(yàn)數(shù)據(jù)(環(huán)境溫度：13°C)
[0117] 表1~表3獲取的數(shù)據(jù)是在不同的環(huán)境溫度下得到的。黑體溫度與圖像的灰度之間 存在著某種對(duì)應(yīng)關(guān)系，證明利用熱像儀測(cè)溫可行。盡管數(shù)據(jù)有一定偏差，但曲線的走向大致 相同。通過(guò)分析測(cè)量結(jié)果，發(fā)現(xiàn)其精確性受工作環(huán)境溫度影響比較大，所以利用熱像儀測(cè)溫 應(yīng)在特定環(huán)境溫度下使用測(cè)溫模型。
[0118] 本方法中，步驟(3.3)中進(jìn)行小波逆變換和指數(shù)變換，獲得濾除噪聲的圖像，選用 均方誤差(MSE)和峰值信噪比（PSNR)兩個(gè)參量以此作為衡量濾波性能的標(biāo)準(zhǔn)，對(duì)宮頸肌瘤 超聲圖像添加不同強(qiáng)度的斑點(diǎn)噪聲，用本文提出的方法與經(jīng)典去噪方法維納濾波 (Wiener )、基于PCNN的中值濾波方法（PCNN-MF)以及基于PCNN的小波軟閾值濾波方法 (PCNN-WD)分別進(jìn)行處理，比較結(jié)果如表4所示。其中對(duì)圖像添加噪聲方差為0.1的斑點(diǎn)噪 聲，各方法的濾波效果圖1(a)~圖1(f)所示。
[0119]表4不同噪聲強(qiáng)度下各濾波方法的去噪效果
[0121] 為了驗(yàn)證本方法的有效性，采用當(dāng)前典型的去噪算法和提出的基于維納濾波的小 波包變換圖像去噪方法進(jìn)行對(duì)比實(shí)驗(yàn)。典型的去噪算法包括維納濾波去噪和小波包自適應(yīng) 閾值去噪兩種方法。在實(shí)驗(yàn)中，選用縱膈淋巴結(jié)核CT圖作為測(cè)試對(duì)象，如圖2所示。對(duì)測(cè)試圖 像分別加入均值為〇,方差為0.05的高斯白噪聲，然后對(duì)噪聲圖像進(jìn)行小波包分解，選用db4 小波，設(shè)置小波的分解層數(shù)為2,閾值函數(shù)采用軟閾值函數(shù)，的估計(jì)采用修正后的維納濾波 法。經(jīng)過(guò)處理得到的去噪后的圖像分別如圖3至圖6所示。
[0122] 實(shí)驗(yàn)結(jié)果表明：在噪聲方差為0.01時(shí)，經(jīng)該算法去噪后圖像的PSNR比小波包自適 應(yīng)閾值去噪后的PSNR高出8.8dB。該算法不僅能有效地去除加性高斯白噪聲，而且能很好地 保留邊緣信息，極大地改善了圖像的視覺(jué)質(zhì)量。
[0123] 為了改善醫(yī)學(xué)圖像質(zhì)量，在分析小波變換原理的基礎(chǔ)上，根據(jù)醫(yī)學(xué)圖像的成像特 征，提出了一種基于小波融合技術(shù)的醫(yī)學(xué)圖像增強(qiáng)方法。首先，對(duì)待增強(qiáng)圖像進(jìn)行多層小波 變換處理，獲取各個(gè)頻率的小波系數(shù)。然后分別對(duì)各頻率系數(shù)進(jìn)行相應(yīng)的處理后，進(jìn)行小波 重構(gòu)并進(jìn)行對(duì)比度增強(qiáng)處理，獲得增強(qiáng)圖像1;同時(shí)對(duì)待增強(qiáng)圖像進(jìn)行對(duì)數(shù)變換和對(duì)比度拉 伸處理，獲得增強(qiáng)圖像2。最后將增強(qiáng)圖像1和增強(qiáng)圖像2變換至小波域進(jìn)行圖像融合處理， 以獲得最終的增強(qiáng)圖像。
[0124] 結(jié)果表明：本文提出的增強(qiáng)方法具有明顯的增強(qiáng)效果。該增強(qiáng)方法能有效提高醫(yī) 學(xué)圖像的對(duì)比度，增強(qiáng)邊緣細(xì)節(jié)信息，突出病灶點(diǎn)的位置，達(dá)到較好的增強(qiáng)效果，為醫(yī)療工 作者觀察病癥提供更加清晰準(zhǔn)確的依據(jù)。
[0125] 根據(jù)提出的方法，在MATLAB 2010a的環(huán)境下，使用縱膈淋巴結(jié)核CT圖作為實(shí)驗(yàn)測(cè) 試圖片，對(duì)增強(qiáng)方法進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果將與原圖進(jìn)行比較，以驗(yàn)證提出增強(qiáng)方法的有效 性。
[0126] 通過(guò)將步驟2處理之后的紅外醫(yī)學(xué)圖像與相應(yīng)健康組織的紅外成像圖精確對(duì)比， 結(jié)合結(jié)構(gòu)影像技術(shù)，確定人體器官、組織等是否發(fā)生病變，同時(shí)可以準(zhǔn)確了解病灶的位置， 大小，溫度情況，從而達(dá)到更好的醫(yī)學(xué)病理診斷的效果。
[0127] 本發(fā)明以上描述只是部分實(shí)施案例，但是本發(fā)明并不局限于上述的具體實(shí)施方 式。上述的【具體實(shí)施方式】是示意性的，并不是限制性的。凡是采用本發(fā)明的方法，在不脫離 本發(fā)明宗旨和權(quán)利要求所保護(hù)的范圍情況下，所有具體拓展均屬本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法，其特征在于，具體按照W下步驟 實(shí)施： 步驟1、建立紅外測(cè)溫物理模型； 步驟2、利用步驟1得到的物理模型分析溫度與灰度的對(duì)應(yīng)關(guān)系，將通過(guò)紅外熱像儀得 到的圖像轉(zhuǎn)換成為灰度圖像； 步驟3、對(duì)所述步驟2得到的灰度圖像進(jìn)行處理； 步驟4、將所述步驟3得到的處理結(jié)果與醫(yī)學(xué)影像進(jìn)行對(duì)比分析，及早發(fā)現(xiàn)人體組織病 灶。2. 根據(jù)權(quán)利要求1所述的一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法，其特征在 于，所述步驟1具體按照W下步驟實(shí)施： 步驟(1.1 )、首先根據(jù)紅外福射測(cè)溫公式求得福射照度，公式如下： Ελ = Α〇(1 2[TaAEALtA(T〇)+TaA( l-aA)LtA(Tu)+eaALtA(Ta) ] (1) (1) 式中，αλ為被測(cè)物體表面吸收率，ελ為被測(cè)物體表面發(fā)射率，ε3λ為大氣發(fā)射率，TaA為 大氣的光譜透射率，To為被測(cè)物體表面溫度，Ta為大氣溫度，Tu為環(huán)境溫度，d為被測(cè)物體表 面到測(cè)量?jī)x器之間的垂直距離，AocT2為常量，Ao為目標(biāo)的可視面積； 步驟(1.2)、根據(jù)步驟(1.1)得到的福射照度求得紅外熱像儀的響應(yīng)電壓： 通常紅外熱成像儀工作在一個(gè)非常窄的波段范圍內(nèi)，8~14WI1之間或3~扣m之間，則認(rèn) 為(1)式中的ελ、αΑ、Τ3λ與λ無(wú)關(guān)，則得紅外熱像儀的響應(yīng)電壓Vs為：(2) 式中，Ar為熱像儀透鏡的面積，Ao為目標(biāo)的可視面積，AocT2為常量，令K = ArAocT2，貝1J(2)式變?yōu)? Vs = K{Ta[ef(To) + (l-a)f(Tu)+￡af(Ta)]} (3) 步驟(1.3 )、計(jì)算物體表面真實(shí)溫度： 根據(jù)普朗克黑體福射定律，可得(4) (4)式中，Tr為被測(cè)物體表面的福射溫度，T。為被測(cè)物體表面的真實(shí)溫度，Tu為環(huán)境溫 度，Ta為大氣溫度，α為被測(cè)物體表面吸收率，ε為物體表面發(fā)射率，Ea為大氣發(fā)射率，Ta為大 氣的透射率，η的取值隨使用熱像儀時(shí)波段不同而異，對(duì)InSb(3~扣m)探測(cè)器，η值為8.68， 對(duì)HgCdTe (6~9μπι)探測(cè)器，η值為5.33，對(duì)HgCdTe (8~14μπι)探測(cè)器，η值為4.09; 設(shè)被測(cè)物體表面真實(shí)溫度為To，貝化0的計(jì)算公式如下：C5) 步驟（1.4)、當(dāng)人體表面發(fā)射率保持恒定，可將人體看作為灰體，當(dāng)被測(cè)物體表面滿足 灰體近似時(shí)，即ε =α，且若認(rèn)為大氣Ea = aa= l-Ta，則灰體表面的真實(shí)溫度計(jì)算如下： 由上述(3)式可得：步驟(1.5)、計(jì)算被測(cè)物體兩點(diǎn)真實(shí)溫度差具體為： 近距離測(cè)溫時(shí)，忽略大氣透過(guò)率的影響，令Ta= 1，則所述步驟1.4中的式(7)變?yōu)楫?dāng)被測(cè)物體表面溫度遠(yuǎn)大于環(huán)境溫度時(shí)，即Tu/T〇> >0，則(9)、（ 10)式變?yōu)槿魷y(cè)出被巧U物體表面任意兩點(diǎn)的福射溫度分別是Trl和Tr2,則運(yùn)兩點(diǎn)的真實(shí)溫度差為(巧）。3. 根據(jù)權(quán)利要求1所述的一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法，其特征在 于，所述步驟2具體為： 步驟(2.1)、當(dāng)所述步驟1中被測(cè)物體表面任意兩點(diǎn)間的體表溫度變化達(dá)到紅外熱像儀 的分辨率時(shí)，采用紅外熱像儀檢測(cè)和記錄到運(yùn)種變化，顯示出異常高溫或低溫的部位，在顯 示屏上W偽彩色的形式顯示出體表的溫度分布圖像； 步驟(2.2)、在測(cè)試物體表面溫度之前使用高精度的黑體爐作為標(biāo)準(zhǔn)，繪制出光電轉(zhuǎn)換 器件輸出信號(hào)與黑體爐溫度的關(guān)系曲線，黑體發(fā)射的福射能量與溫度之間的關(guān)系是非線性 的，通過(guò)熱像儀光譜響應(yīng)和普朗克福射定律計(jì)算得到，為了建立福射量和溫度之間的關(guān)系， 對(duì)黑體進(jìn)行不同溫度的設(shè)置對(duì)其進(jìn)行測(cè)量，并將測(cè)量結(jié)果與黑體精確的溫度值進(jìn)行擬合， 就得到了校準(zhǔn)曲線，通過(guò)鏡頭上的傳感器將被測(cè)物體的紅外福射能量轉(zhuǎn)換成電信號(hào)，再經(jīng) 過(guò)鏡頭后面的后續(xù)電路對(duì)運(yùn)些原始電信號(hào)進(jìn)一步處理轉(zhuǎn)變成灰度值，在顯示器顯示出來(lái)， 經(jīng)過(guò)運(yùn)樣一個(gè)過(guò)程，就得到了圖像灰度值和物體溫度之間的對(duì)應(yīng)關(guān)系，進(jìn)而得到灰度圖像。4. 根據(jù)權(quán)利要求1所述的一種基于紅外熱像技術(shù)的人體組織病灶檢測(cè)方法，其特征在 于，所述步驟3具體為，醫(yī)學(xué)圖像處理算法研究，在基于修正維納濾波的小波包變換圖像去 噪、基于脈沖禪合神經(jīng)網(wǎng)絡(luò)模型的小波自適應(yīng)斑點(diǎn)噪聲濾除、基于小波變換等醫(yī)學(xué)圖像增 強(qiáng)算法基礎(chǔ)上提出針對(duì)噪聲更加穩(wěn)健的邊緣檢測(cè)新算法，設(shè)計(jì)基于角點(diǎn)檢測(cè)的對(duì)噪聲穩(wěn)健 的邊緣檢測(cè)器，利用多尺度各向異性高斯方向梯度濾波器來(lái)提取邊緣和特征點(diǎn)結(jié)構(gòu)信息： 步驟（3.1)、建立不同類型的邊緣模型，包括階梯式、脈沖式、斜坡式和雙脊型邊緣模 型，W及特征點(diǎn)的模型，包括L型、Y型、X型、星型、端型、階梯型的特征點(diǎn)的模型，然后建立能 有效區(qū)分相鄰的邊緣和特征點(diǎn)的相對(duì)于不同的局部特征模型的各向異性高斯方向梯度表 達(dá)式，W及特征可分離度的度量方法，進(jìn)行噪音敏感度的測(cè)量與估算W及在幾何和灰度變 換中魯棒性的度量； 步驟(3.2)、鏈接各向異性高斯方向梯度表示； 步驟(3.3)、對(duì)紅外圖像進(jìn)行對(duì)數(shù)變換，使斑點(diǎn)噪聲轉(zhuǎn)換為加性噪聲，將紅外圖像經(jīng)維 納濾波處理，計(jì)算其加性噪聲的標(biāo)準(zhǔn)方差，W此作為小波闊值，然后，利用小波變換對(duì)圖像 進(jìn)行預(yù)處理，利用PCNN在小波域中對(duì)小波系數(shù)進(jìn)行相應(yīng)的修正，最后，進(jìn)行小波逆變換和指 數(shù)變換，獲得濾除噪聲的圖像。
【文檔編號(hào)】A61B5/01GK105962904SQ201610251543
【公開(kāi)日】2016年9月28日
【申請(qǐng)日】2016年4月21日
【發(fā)明人】李云紅, 張恒, 貢梓童, 楊彭智, 王震亞
【申請(qǐng)人】西安工程大學(xué)