基于单目视觉的脉搏信号检测研究 - 图文

硕士学位论文

目 录

摘 要 ······························································································································································· I ABSTRACT ·················································································································································· Ⅱ 插图索引 ························································································································································ Ⅳ 第1章 绪 论 ············································································································································· 1 1.1 脉诊客观化研究的背景与意义 ·························································································· 1 1.2 脉搏信号检测方法研究的现状 ·························································································· 2 1.3 图像化脉搏检测的意义 ········································································································ 3 1.4 本文的研究内容及主要工作 ······························································································· 4 第2章 脉搏图像传感器 ························································································································· 6 2.1 脉搏图像传感器的设计原理 ······························································································ 6 2.2 脉搏图像传感器的设计 ········································································································ 7 2.2.1 脉搏图像传感器的结构 ······························································································· 7 2.2.2 光源的设计 ······················································································································· 9 2.2.3 传感器另一种设计方案 ····························································································· 10 2.3 脉搏动态图像的采集 ··········································································································· 11 第3章 动态图像的三维运动分析 ··························································· 错误！未定义书签。 3.1 引言 ······································································································ 错误！未定义书签。 3.2 三维运动分析基本原理 ································································ 错误！未定义书签。 3.2.1 摄像机投影模型 ····································································· 错误！未定义书签。 3.2.2 刚体性质 ···················································································· 错误！未定义书签。 3.2.3 运动参数 ···················································································· 错误！未定义书签。 3.3 基于特征匹配的分析方法 ··························································· 错误！未定义书签。 3.3.1 一般三维运动方程································································· 错误！未定义书签。 3.3.2 三维运动线性算法································································· 错误！未定义书签。 3.3.3 其他求解算法 ·········································································· 错误！未定义书签。 3.4 基于光流的分析方法 ····································································· 错误！未定义书签。 3.5 特征点的检测与匹配方法 ··························································· 错误！未定义书签。 3.5.1 特征点的检测 ·········································································· 错误！未定义书签。 3.5.2 特征点的匹配方法································································· 错误！未定义书签。 3.6 脉搏运动分析实验结果 ································································ 错误！未定义书签。 第4章 基于图像灰度匹配的运动分析方法 ··············································································· 12 4.1 图像相关法 ······························································································································ 12 4.1.1 相关分析原理 ················································································································ 12 4.1.2 相关法的应用 ················································································································ 14

I

硕士学位论文

4.1.3 多点及多维脉搏信号的获取 ··················································································· 18 4.1.4 相关分析获取脉搏信号及要注意的问题 ···························································· 36 4.2 图像差分法 ······························································································································ 22 4.2.1 动态图像差分原理······································································································· 22 4.2.2 差分法获取脉搏信号 ·································································································· 23 4.2.3 差分法获取信号的小波分析 ··················································································· 42 4.3 小结 ············································································································································ 44 第5章 深度信息获取及三维形状恢复 ························································································· 45 5.1 引言 ············································································································································ 45 5.2 散焦法获取深度信息及实现脉搏图像三维重建 ······················································ 46 5.2.1 变焦测距原理 ················································································································ 46 5.2.2 散焦法分析脉搏动态图像的原理 ·········································································· 48 5.2.3 焦距评价函数 ················································································································ 49 5.2.4 散焦法分析获取脉搏信号 ························································································ 50 5.2.5 基于单幅图像的三维形状恢复 ··············································································· 51 5.2.6 脉搏图像的三维形状恢复 ························································································ 52 5.3 小结 ············································································································································ 54 第6章 不同方法的比较分析与实验验证 ···················································································· 55 6.1不同方法的比较分析 ··········································································································· 55 6.2 深度定量分析实验 ··············································································································· 57 结论与展望 ·················································································································································· 59 参 考 文 献 ········································································································································ 61 致 谢 ······························································································································································· 65 附录A 攻读学位期间所发表的学术论文目录 ········································································ 66 附录B 相关法、差分法、散焦法的程序代码 ········································································ 67 附录C 相关法多维脉搏信号分析的程序代码 ········································································ 70 附录D 脉搏三维形状恢复的程序代码 ······················································································· 72

II

硕士学位论文

摘 要

脉搏是常见的生理现象，蕴涵着丰富的人体生理病理信息。脉搏信号在中医中常被称为脉象信息。中医理论对脉象描述的主观性影响了其诊断的准确性与可行性，也成为脉诊应用、发展中的制约因素。长期以来，国内外许多研究者研究脉搏的检测方法，设计检测仪器，为脉诊客观化研究奠定了良好的基础。现阶段，用于脉搏信号检测的传感器主要有：液态传感器、光电式传感器、应变式传感器、PVDF压电式传感器等。这些传感器受传感器原理、结构体积、敏感元件性能、制造工艺等因素影响，检测点数目受到很大限制。脉诊客观化研究表明，动脉脉搏除发出压力搏动的信息之外，还有管腔容积、血流速度以及脉管的三维运动等各种信息，仅用压力等传感器难以全部定量的反映脉象信息。

随着数字图像处理及计算机视觉技术的飞速发展，图像传感器在无损检测及其他各个领域得到广泛应用。因此，采用单目视觉的思想设计并改进了脉搏图像传感器，设计了数据采集方案，通过采集的脉搏动态图像来获取脉搏信息。

在对脉搏动态图像的分析中，从三维运动分析的方法着手来分析脉搏在三维空间的变化，得到的实验结果虽能够反映脉搏的运动变化，效果却不够理想。研究基于灰度图像匹配的分析方法，提出了相关法和差分法。两种方法均能获得反映脉搏空间位移变化的脉搏信号波形，进一步对图像多个区域进行比较分析，可以检测切脉部位皮肤表面任意多点的脉搏形象与动态。对累积差分获取的信号进行小波分析，揭示了累积差分法具有进一步研究的价值。基于单目视觉深度信息提取及三维重建方法的研究，提出了散焦法获取脉搏深度信息以及三维重建的方法。结果表明，该方法能够真正实现了脉搏搏动深度变化信息的获取，得到了脉搏运动时的三维形状。

最后，通过定量的实验分析，证明了相关法、差分法和散焦法获得的脉搏信号能够定量反映脉搏空间位移变化的信息。

因此，利用脉搏图像传感器，可以获得比其它脉搏传感器更全面的脉象信息。同时，这为脉诊客观化研究提供了新的思路和方法。

关键词：脉搏图像传感器；单目视觉；脉搏动态图像；图像相关；图像差分；散焦法；散焦恢复形状；

I

硕士学位论文

Abstract

Pulse is a common physiological phenomenon and the pulse embodies the abundant physiological and pathological information about the health status. The pulse wave is called pulse tracings information in the traditional Chinese medicine (TCM). The subjectivity of pulse tracings? interpretation affects the accuracy and the feasibility of the diagnosis, and that is also the restricted factor in the application and development of pulse diagnosis. Over a long period of time, many researchers devoted to study the different measuring instruments and detecting methods. Nowadays, different kinds of apparatus and sensors were applied to detect the pulse signal such as the liquid pressure sensor, photoelectric sensor, strain sensor and PVDF sensor etc. However, available detecting point obtained by above sensors is limited. Because of the limits in measuring principle, the sensitivity of the elements and the fabrication technology, they can not fulfill the multi-point pulse signals detecting. The objective study of TCM shows that, besides the information of pulse pressure, the pulse has information include pulse tube volume, blood speed and 3D motion of pulse tube etc. So detecting the pulse information by pressure pulse sensors can not reflect the whole information of pulse quantitatively.

With the rapidly development of the digital image processing and computer vision technology, image sensor is wildly used in the non-destruction detecting and other fields. In order to obtain the complete and objective pulse tactile information, a pulse image sensor is developed based on monocular vision.

In this article, the pulse dynamic image analysis was discussed in detail. At first, the 3-D motion analysis was applied in the pulse motion, the results just show the simply status of pulse motion and can not acquire the pulse wave. Then, the image match technology was studied. The methods of the digital image correlation technology and digital image difference technology were presented. By applying the two methods, the pulse wave can be acquired. Further analysis on the different area reveals the multi-point pulse signal. The signal analysis based on the wavelet analysis suggests that the accumulative difference methods be worthy of researching further reasons. Next, the methods of ?depth and shape from monocular camera? were studied. Furthermore, ?the depth from defocus and the shape from defocus? were presented and applied in the pulse wave and 3-D pulse shape acquirement. The results show that the pulse depth changes and 3-D pulse shape can be acquired by the method.

II

硕士学位论文

Finally, it is proved through a quantitative experiment that the digital image correlation analysis, digital image difference analysis and defocus analysis for the pulse dynamic image can reflect the out-of-plane displacement quantitatively. As a conclusion, by using the pulse image sensor, the more complete pulse information can be acquired, which is impossible for other pulse sensors. Moreover, it provides a new idea and approach for the objective study on the pulse diagnosis.

Key Words: pulse image sensor; monocular vision; pulse dynamic image; digital image correlation; digital image difference; depth from defocus; shape from defocus；

III

硕士学位论文

插图索引

图2.1 典型的脉搏信号波形图 ...................................... 6 图2.2 脉搏图像传感器 ............................................ 8 图2.3 光源设计 .................................................. 9 图2.4 脉搏图像传感器的另一方案设计 ............................. 10 图2.5 连续的两帧脉搏图像 ....................................... 11 图3.1 透视投影倒立成像几何示意图 ............... 错误！未定义书签。 图3.2 透视投影几何示意图 ....................... 错误！未定义书签。 图3.3 正交投影几何示意图 ....................... 错误！未定义书签。 图3.4 三维运动分析基本几何图形 ................. 错误！未定义书签。 图3.5 复杂运动的分解 .......................... 错误！未定义书签。7 图3.6 孔径问题示意图 ........................... 错误！未定义书签。 图3.7 选取一个小平面进行分析 ................................... 25 图3.8 通过运动参数得到的深度变化 ............................... 26 图4.1选择不同参考图像时获得的波形 .............................. 29 图4.2 相关法对不同区域分析的比较 ............................... 16 图4.3 应用相关法获取脉搏信号 ................................... 33 图4.4 相关法获取的桡动脉横截面13点脉搏信号 .................... 33 图4.5 相关法获取的桡动脉横截面13点多维脉搏信号 ................ 34 图4.6 多点脉搏信号分析 ......................................... 35 图4.7 应用相关法获取的不同人的脉搏信号 ......................... 36 图4.8 在图像中选取的分析区域 ................................... 39 图4.9 采用不同差分方法得到的信号 ............................... 39 图4.10 差分法获取的桡动脉横截面13点脉搏信号 ................... 40 图4.11 差分法获取的桡动脉横截面13点多维脉搏信号 ............... 41 图4.12 差分法获得的不同人的脉搏信号 ............................ 41 图4.13 应用累积差分法获取的信号的小波分析 ...................... 43 图5.1 单摄像机立体视觉原理图 ................................... 45 图5.2 薄透镜几何关系 .......................................... 47 图5.3 散焦法获得的脉搏信号 ..................................... 51 图5.4 典型物体的三维形状恢复 ................................... 52 图5.5 对脉搏图像某区域的三维形状恢复 ........................... 53 图5.6 所分析的脉搏三维形状 ..................................... 54 图6.1 两类方法获取脉搏波形的比较 ............................... 56 图6.2 受到图像平移影响后的脉搏波形比较 ......................... 56 图6.3 深度测量实验装置 ......................................... 57 图6.4 深度定量分析实验结果 ..................................... 58

IV

硕士学位论文

第1章 绪论

1.1 脉诊客观化研究的背景与意义

人体是一个极其复杂的空间和时间有机融合的整体[1]。人体生物信息的提取和分析一直是信号和信息处理技术中最富有活力的研究领域之一[2]。运用近代传感器测试技术来解决临床诊断及实验研究中多种参数的计量检测，无论对于临床诊断与监护还是对于医学基础研究，都具有极其重要的价值和意义。用传感器测量技术来对脉搏信息进行定量分析，是目前国内外医学专家普遍关注的课题之一。

中医学以整体观和平衡观为核心，建立了独具特色的生命理论和诊疗体系。中医诊断学的基本原理被概括为“以表知里”，认为人体表象信息（四诊信息）与疾病的本质（证候）之间存在着必然的联系。其中，脉诊是我国传统医学中最具特色的一项诊断方法，其历史悠久，内容丰富，是中医“整体观念”、“辨正论治”的基本精神的体现和应用，亦是中医理论体系不可缺少的组成部分[3]。

在中医脉诊的概念中，脉，就是两手腕寸关尺的动脉搏动，也就是该处的血液循环动态指感。脉的作用是反映脏腑健康状况，一旦脏腑发生了病变时，它就传递了病变信息。而医生通过指端的感觉来进行判断[4]，这被称为脉诊。

脉诊是中医在诊断疾病时望、闻、问、切四诊中的重要步骤和手段。脉象的变化反应了五脏六腑气血盛衰。根据脉象的变化，可探测人体脏腑的气血、阴阳、生理与病理的状况。中医脉诊通过检查与分析脉象的变化，了解人体气血的运行状态以及脏腑生理与病理的改变，来达到临床诊断和治疗的目的。脉诊虽居四诊之末,但在古代却是验证望、闻、问诊所得的临床资料，也是进行综合分析，从而得出完整而正确的诊断的一项客观指标[5]。由脉诊所得的脉象反映人体各种生理和病理状况，是观察体内功能变化的一个重要窗口，对识别病症，判断病情、分辨病机和推断预后，都具有重要的意义。我国中医学家经过几千年实践总结而成的脉学理论在中医辨证论治中起着重要作用，也是对全人类的重大贡献。

在传统的脉象研究中,中医诊脉全凭经验和手指主观感觉来分辨脉象，靠运用生动的自然景象或想象的示意图形来比喻脉象，这些比喻缺乏明确的物理含义，加之各人指下体会难免存在差异，难以确定客观指标作为判定脉象的标准[6]。所谓“在心易了，指下难明[7]”，不仅初学者难以掌握，即使在有经验的中医师之间，有时对同一脉象也会做出不同的判断。这些，正说明了传统中医无客观立据的困难。因此，这种脉象鉴别方法不能建立统一的客观标准，难以有效地与现代科学技术相结合。中医理论对脉象描述的主观性造成了脉象概念模糊、笼统、难以掌握。这大大影响了其诊断的准确性与可行性,成为脉诊应用、发展中的制约因素。

1

硕士学位论文

随着科学技术的发展和应用，以及生物医学、数学、生物力学、生物物理学、计算机技术等向中医领域的渗透，脉诊客观化逐渐成为实验研究急待需要解决的首要问题。20世纪50年代中期，中国的中医、中西医结合和生物医学工程界的科技工作者[8,9]率先开始了中医脉象的客观化研究工作。此后，日本、韩国和美国等都有人从事这一工作[6,10-12]。

1.2 脉搏信号检测方法研究的现状

在脉诊客观化研究方面，按研究特点，可以分为仪器研制、临床研究、参数分析等三个方面，这中间仪器设计与研制是首当其冲，它是临床脉诊客观化的基础。为实现脉诊的客观化，多年来，国内外研究者在脉诊客观化方面做了大量工作，探求、研制能全面反映中医脉象特点的精确度大、灵敏度高、重复性好的脉象仪，也就是脉搏传感器。研制脉搏传感器的目的就是要尽可能全面获取脉象信息，真实完整地反映脉搏的客观实际。只有在获取大量可靠数据的基础上，才有可能对各种脉象信息进行特征提取、分类等脉诊客观化研究工作。在实践上，将有利于中医的推广。在疾病的诊断、健康状态的检测（如亚健康等）[13]及无创检测上都将有很大的应用空间。

早在1860年Vierordt创建了第一台杠杆式脉搏描记仪。国内20世纪50年代初，就应用杠杆式脉搏描记仪，试图通过机械能的作用，直接描记高血压弦脉脉搏波形，但失真性较大。五十年代末，研制出以酒石酸钾钠压电晶片为换能器的脉搏描记器，通过换能器转换为电能加以放大描记，初步确定了中医弦脉、滑脉、平脉等的特征图形。

六十年代初研制的“20型三线脉象仪”，首先实现了寸、关、尺三部切脉压力的调节和客观定量测定，以及与指感基本一致的压力脉象波型的描记。之后，全国各地陆续研制出各种不同换能器（如半导体硅应变片换能器，电感式压力换能器，电阻抗式换能器）的脉象传感器，不断提高换能器的灵敏度，精确度，并改进探头的造型。有些单位还将声象图仪、频谱分析应用于中医脉象研究[14]。

目前用于脉搏信息采集的传感器主要有：液态式、光电式、应变式和PVDF传感器等[15]。

液态传感器是将单位长度管段动脉内血液体积随时间变化量转换成导电液柱体电阻的改变参量来测量脉搏的。江西的 MX - 811 型脉象仪采用的就是这类传感器[16]。这类传感器虽然具有很高的灵敏度，但由于液态传感器本身结构特点的限制使测量过程并不十分方便。

光电式传感器是由一细杆受力后，向上移动，改变透光量，通过光电池输出的电信号反映受力大小[17]。除此之外，还有一种是利用光容积的变化来测量脉搏和血压[10,18]。当血管内血容量变化时，皮肤组织对光的吸收程度相应发生变化，

2

硕士学位论文

利用光电传感器可测量出这种变化，反映出血液脉动状况和压力情况。

应变式压力传感器是脉象仪中应用较多的一类传感器，采用的是单触点，结构简单，既将医生指面的复杂感受器简化处理成用一个单触点来模拟。它通过应变片受力后，产生形变，使阻值发生变化，通过桥路输出电压的变化反应脉搏搏动情况[19]。PVDF（聚偏氟乙烯）传感器是采用压电薄膜作为传感元件，利用压电效应将压力信号转换为电信号[20]。

上述的传感器将脉搏的空间变化转换为单点电信号输出，而实际的脉搏信息很难用单点信号全面描述。为了采集更全面的脉象信息，清华大学金观昌教授等研究了PVDF多点脉搏传感器，采用9个测点分别用于测量寸、关、尺三部脉图以及脉搏沿血管横截面方向的变化[20]。目前仅有五路传感器和9点PVDF脉象仪的研究报道，这些检测方法由于受传感器结构体积、敏感元件性能、制造工艺等因素影响，检测点数受到很大限制。目前所谓的多维脉象[21]实际上都是有限个数的点，并不能实现真正多维或多点脉搏信号的检测。而且各个检测点之间的信号会相互影响，同时传感器的输出与切脉时脉搏搏动所引起的皮肤形变间很难具有线性关系。显然，上述检测系统采集的脉图难以全部定量地准确反映脉象的构成要素，制约了中医脉诊客观化的研究及脉搏信息的应用。

脉诊客观化研究表明，动脉脉搏除发出压力搏动的信息之外，还有官腔容积、血流速度、脉管的三维运动等各种信息[22]。仅用压力等传统传感器所采集的脉图难以全部定量的反映脉象构成要素的指标。因此，应该在现有脉象自动分析研究成果的基础上，充分利用计算机、信息处理等领域的新技术，在脉象传感器与信息分析方法两项关键技术上取得突破，实现脉象信息三维动态、全方位的采集，并寻求相应的信息处理方法。这具有十分重要的理论和临床应用实践意义。

1.3 图像化脉搏检测的意义

人类获取的信息70%以上来自视觉，和其他一维信息处理相比较，图像信息更全面和更完整地反映和描述客观事物的特征及其相互间的关系[23]。随着计算机技术的飞速发展以及计算机视觉与智能信息技术研究的逐步深入，利用图像尤其是动态图像获取和分析信息正在成为信息获取的一个重要方式。

计算机视觉是指用计算机实现人的视觉功能——对客观世界的三维场景的感知、识别和理解[24]。它是研究用计算机来模拟生物外界或宏观视觉功能的科学和技术，是计算机科学和人工智能的一个重要分支[25]。计算机视觉主要的一个重要的研究目标和内容就是建成计算机视觉系统，完成各种视觉任务。换句话说，即要使计算机能借助各种视觉传感器（如CCD，CMOS摄像器件等）获取场景的图像，从而感知和恢复3-D环境中物体的几何性质、姿态结构、运动情况及相互位置等，并对客观场景进行识别、描述、解释，进而做出决断[26]。在计算机视觉

3

硕士学位论文

这一名词流行之前，有模式识别、图像处理、图像分析、图像理解等名词，其中图像理解与计算机视觉的意义大致相当[26]。作为计算机视觉的基础，图像处理依然是计算机视觉的核心问题。

当前计算机视觉获取的方法主要有单目视觉和多目视觉。传统的视觉分析系统大都采用单目视觉，即用一台固定的摄像机采集环境图像进行分析。它的优点在于实现简单，精度较高。而不足之处是，单个摄像机提取物体的位置等信息比较困难。双目、多目视觉系统利用了两个或多个安放在不同位置的摄像机，可以扩大系统的视野范围。较容易利用立体视觉的原理恢复物体的三维信息。但是，由于每幅图像都是在其所对应的摄像机坐标系下，怎样处理在不同的摄像机坐标系下图像特征的配准至今仍是一个难题。

近年来，计算机视觉已经在许多领域得到了广泛的应用[24]，这为脉搏图像化检测提供了良好的理论技术基础。

脉搏图像化检测系统模拟人手指的触觉，采用能够模拟人手指压力的探测触头，模仿人的手指压在桡动脉处。探测触头采用带有网格的薄膜与皮肤面接触，探测触头内的空气气囊压力模拟人手指施加的压力。在最佳切脉压力下，脉搏跳动引起探测触头薄膜在三维空间的变化。利用单目视觉，在薄膜上方用摄像头直接采集脉搏图像信息，将中医脉诊的触觉信息图像化，通过图像理解和计算机视觉的方法获取脉搏搏动的动态三维信息，可以得到更全面的脉搏信息。这些信息主要包括任意多点的脉搏波形、脉宽、脉搏的三维信息、以及脉率、脉力、脉速等信息，甚至是更深入的其它特征信息。

结合计算机视觉技术完成更全面的脉搏信息检测，不仅实现了脉搏检测的方法创新，还大大的拓宽了计算机视觉应用的领域。可以说，基于图像化的脉搏检测技术研究在国内外还处于全新的领域。利用计算机视觉技术对脉象进行多维、动态、全方位的采集，促进了脉象客观化的研究，也为实现脉象诊断自动化创造了条件，这具有重要的理论和临床应用实践意义。

1.4 本文的研究内容及主要工作

采用单目视觉的方法实现脉搏图像化检测是一个全新的研究领域，是集传感器设计、计算机视觉及动态图像处理、生物信号检测等多方面内容于一体的研究课题。

首先，从仿生学的角度设计脉搏图像化检测装置，完成脉搏图像传感器的设计。这里涉及到对中医诊脉的模拟及传感器的设计原理，这是后续研究的基础，也是后面理论分析的重要依据。然后，使用脉搏图像传感器采集脉搏动态图像实验数据。针对脉搏图像数据讨论了经典的动态图像分析方法，并提出多种图像分析方法应用于脉搏动态图像，实现了多点脉搏信号的检测。进而，又对脉搏图像

4

硕士学位论文

进行基于单目视觉的三维形状恢复的研究并取得了初步的成果。最后，对不同的脉搏分析方法获得的脉搏信号进行了比较分析，并通过定量的实验证明了分析方法及结果的正确性。

全文共分6章。第1章是绪论，简要叙述了脉诊客观化研究的背景及意义，当前脉搏信号检测研究的现状，针对目前脉象传感器的不足提出了脉搏图像传感器。第2章介绍脉搏图像传感器的研制，包括了传感器结构的设计及改进，光源的选取及光路设计，探测触头薄膜材料的选择及纹理的设计。第3章论述了计算机视觉中经典的动态图像三维运动分析方法，并采用该方法分析了脉搏薄膜三维运动变化信息。第4章主要论述了基于图像灰度匹配的方法，讨论了相关法和差分法分析脉搏动态图像的原理，利用相关法和差分法实现了对多维脉搏信号检测。第5章是直接针对深度信息获取方法的研究，包括了物体三维形状恢复的研究。主要利用了摄像机聚焦散焦的原理，通过散焦判别函数来定量的分析深度变化信息，获取脉搏空间三维形状。第6章对不同的脉搏分析方法及结果进行了比较分析，并通过实验验证了前述理论分析的正确性。最后，对全文的工作进行总结并做进一步的工作展望。

5

硕士学位论文

第2章 脉搏图像传感器

在绪论中已经提到，中医理论对脉象描述的主观性影响了其诊断的准确性与可行性，也成为脉诊应用、发展中的制约因素。为实现脉诊的客观化，国内外许多研究者提出了各种不同的脉搏信号检测方法。目前使用的传感器性能各异，多为单点或复合多点压力传感器，无法细致反映切脉皮肤表面空间各点的变化。

近年来，随着计算机及图像处理技术的深入发展，计算机视觉的应用日趋成熟，在许多领域都有重要的应用，其中一个重要的方面就是医学图像处理与理解。针对脉搏检测，利用成像来获得可视化信息，通过脉搏动态图像获取脉搏信息，实现无损检测与更全面的脉搏信息获取。脉搏图像传感器的设计正是基于计算机视觉理论，利用仿生学原理模拟手指切脉方式研制的，能够反映切脉皮肤表面空间各点的变化。

2.1 脉搏图像传感器的设计原理

中医切脉依靠指端触觉、压觉、振动觉感受器感受脉象信息。医师是通过手指对桡动脉管施加不同干扰力的条件下进行切脉的，即对桡动脉管施加“浮、中、沉”压力下细心地体会脉象特征。这种切脉过程可以归纳为两个明显的特征：一是医生指面要对脉管施加一个大小不同的静压力：二是医生指面又同时感受到反映脉搏特点的微细反搏力。中医切脉时存在“最佳取脉压力”，在此取脉压力下得到幅度最大和形态最清晰的脉搏波，脉象的许多重要特征正是在这种状态下检测的。取脉压力大于或小于最佳取脉压力值时，感受到的脉搏振幅或强度都要减小，形态特征也会变的模糊，因此切脉压力常通过调整，根据不同的人的脉搏搏动状况来确定。典型的脉搏信号如图2.1所示。

图2.1 典型的脉搏信号波形图

对上述切脉过程及指法进行模拟，从仿生学角度出发，设计软性探测触头。模拟人的手指压在桡动脉处。触头后是一个密封的空气腔，空气腔内压力接近于

6

硕士学位论文

手指内压力。参考“最佳取脉压力”的采集原理，通过设计加压装置来施加切脉压力。改善传统脉搏传感器采用的刚性触头为“皮肤－软组织”的接触状态，设计为一个软性的探测触头，探测触头上的薄膜模拟手指的表皮，并与皮肤表面贴紧。此时薄膜随着桡动脉脉搏的搏动而运动。采用摄像头在均匀的光照下采集薄膜三维运动图像，通过动态图像分析获取脉搏信息。

2.2 脉搏图像传感器的设计

2.2.1 脉搏图像传感器的结构

脉搏图像传感器的设计还处在一个实验的阶段，正在逐步完善。目前采用支架式的结构进行脉搏图像采集。

脉搏图像传感器如图2.2所示，主要由内含可调压力密封腔的软性探测触头、CCD摄像头、传感器支架、切脉压力调节机构、手动气泵、气压缓冲腔、压力检测与指示、气路、光路、计算机等部分组成。

探测触头与皮肤接触面采用紧贴在一起的乳胶薄膜与柔性织物。薄膜在探测触头内侧，由理化性较好的乳胶薄膜制成，柔性织物在探测触头外侧，与皮肤表面接触，可以限制乳胶薄膜在压力下形变。其中，值得一提的是，探测触头的薄膜可以直接采用乳胶薄膜，而不用与柔性织物帖在一起。因为压力缓冲腔的存在，压力密封腔内的压力非常稳定，引起薄膜形变的主要因素是脉搏的搏动，在脉搏搏动时乳胶薄膜的形变较小，不用进行限制。即使如此，设计时还是加上了柔性织物，这样可以延长薄膜的使用寿命，对薄膜起到了保护作用。

探测触头上需要压一个密封金属垫片，触头薄膜接触面为直径10mm的圆形，乳胶薄膜内侧印制有具有均匀纹理的方形网格，CCD摄像头在上方对其进行观测。探测触头中密封腔压缩空气的压力模拟指内压力，可以连续调节并利用气压表进行显示。密封腔与气压缓冲腔相通，气压缓冲腔空间较大，这样可以有效降低由于压力密封腔轻微的空气泄漏导致压力变化带来的影响。切脉压力调节旋钮调节弹簧弹力，控制固定探测触头的夹持杆的位置，使探测触头与手臂接触面间的作用力达到一个平衡状态，实现不同切脉压力。

CCD摄像头放在探测触头正上方，同时使摄像头拍摄图像的水平位置与桡动脉血液流向一致，这样图像垂直方向的连续区域正对应着桡动脉的截面位置，对应了后面将要分析的多维脉搏信号。CCD摄像头在采集脉搏图像前，要进行焦距的调整，调至有效焦距后才能得到清晰的图像。同时，为了在后续图像处理中采用一些处理方法，焦距的调整还要满足一些约束条件。这个问题将在第5章（深度信息获取及三维形状恢复）进行详细的讨论。

7

硕士学位论文

摄像头采集不同切脉压力下探测触头上薄膜随脉搏搏动的动态图像信息，经USB接口直接与计算机通讯，进行数据转换与图像处理，通过对薄膜形变的动态分析，获取脉象信息。

图2.2 脉搏图像传感器

（1、压力调节螺母 2、压力弹簧 3、水平支架 4、立柱 5、底座 6、手动气泵 7、气压缓冲腔 8、压力检测与指示 9、手腕垫衬 10、手腕放置区域 11、贴紧在一起的乳胶薄膜与柔性织物 12、软性探测触头 13、压力密封腔 14、毛玻璃片 15、气路 16、照明光源 17、透光

玻璃镜片 18、CCD摄像头 19、计算机 ）

所用CCD摄像头的技术规格：分辨率：640?480（VGA）；采样频率：30fps；最大光圈：F2.0；成像范围：1cm～?；信噪比：＞42db。

传感器装置的特点如下：

1 利用单目视觉，实现了脉搏触觉信息图像化。

2 接触面制成直径为10mm的圆形，由于探测触头触压面积大，所以取脉容易。

3 接触面柔软，薄膜应能模拟手指进行切脉。在检测脉搏时手腕部无明显压痕出现，实现无创伤检测。

4 由于气压缓冲腔的存在，使得探测触头内压力密封腔的气压稳定性增强，

8

硕士学位论文

外界干扰大大降低。

5 采用USB接口直接与计算机连接，无需视频采集卡，节省硬件。 6 密封腔内照明装置电压取自USB接口5V内电压，无需外接电源。 7 采集脉搏图像，避免了基于测力原理的传统传感器的一维压力脉搏信号检测，具有了诸如脉象宽度等立体的、多维的脉象信息。

2.2.2 光源的设计

光源是影响机器视觉系统输入的重要因素，因为它直接影响输入数据的质量和至少30%的应用效果。当探测触头压在桡动脉皮肤上时，密封腔内是没有任何光线的，普通的摄像头无法获取任何动态图像。因此，光源是必不可少的。

由于没有通用的机器视觉照明设备，所以针对特定的应用实例，要选择相应的照明装置，以达到最佳效果。许多工业用的机器视觉系统用可见光作为光源，这主要是因为可见光容易获得，价格低，并且便于操作。目前的视觉系统上，最常见的光源有荧光灯、卤素灯＋光纤导管、LED光源等。在有些地方也要用到一些其他特殊的光源，如激光、紫外光等。荧光灯即日常起居所使用的荧光灯。卤素灯＋光纤导管是由一个卤素灯泡在一个通常称为灯箱的装置中发光，再由光纤导管将卤素灯所产生的强光转向被测物进行照明。LED光源由多个LED以某一特定形状，综合对被测物进行照明。由于LED光源的稳定性和使用寿命等优势，LED光源被广泛采用。在本装置中也采用LED作为光源。

图2.3 光源设计

（1、CCD摄像头2、透光玻璃镜片3、照明光源4、毛玻璃片5、压力密封腔6、计算机7、

薄膜 ）

由光源构成的照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和相机之间，它的优点是能获得高对比度的图像；前向照明是光源和相机位于被测物的同侧，这种方式便于安装；结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息；频闪光照明是将高频率的光脉冲照射到物体上，要求

9

硕士学位论文

相机的扫描速度与光源的频闪速度同步。

探测触头内的照明方法采用前向照明，便于安装和硬件实现。照明光源采用白色LED发光二极管光源，灯的直径为1.5mm，体积小，容易安装在探测触头后的压力密封腔内。如图2.3所示，多个LED发光二极管组成了点光源。在其下方放置一个毛玻璃片，用于形成面光源[27]，使用这种面光源能得到均匀一致的照明。照明光源的亮度通过调整LED发光二极管的工作电流进行控制，以寻求最佳的亮度环境。在良好的照明条件下，光线均匀的照射在具有纹理的薄膜表面。

2.2.3 传感器另一种设计方案

脉搏图像传感器是由压力调节螺母通过弹簧施加不同的压力，这种方法通过水平支架传递压力。可以换另一种形式的压力弹簧－板弹簧。如图2.4所示，通过平头螺钉改变板弹簧的形变量对脉搏探测触头施加不同大小的压力。在使用前通过测力装置对弹簧弹力进行标定可以分析施加压力的大小。图2.4为另一种设计方案，本论文所采用的实验结果以采用原有设计方案为主，也包括这种方案的设计。

图2.4 脉搏图像传感器的另一方案设计

（1、螺钉；2、可滑动水平支架；3、翼形紧固螺钉；4、板弹簧（弹性钢板）；5、立柱；6、底座；7、手动气泵；8、计算机；9、CCD摄像头；10、照明光源；11、气路；12、照明光源；13、毛玻璃片；14、压力密封腔；15、软性薄膜；16、手腕放置区域；17、手腕垫衬；18、

压力指示计；19、气压缓冲腔；）

通过翼形紧固螺钉固定可滑动水平支架的位置。为了选择不同的取脉压力，

10

硕士学位论文

通过调节螺钉改变板弹簧的弹力来施加取脉压力。在测量脉搏信号前，对弹簧的弹力进行标定，通过测力装置，确定调节螺钉与弹簧弹力大小的关系。随后调节弹簧装置施加合适的取脉压力，由CCD摄像头完成脉搏图像的采集。

2.3 脉搏动态图像的采集

采集脉搏动态图像时，要求被试者处于平静放松状态。首先，通过手动气泵调节压力密封腔内的压力，调至接近指内压力。将手腕放置在柔软的手腕垫衬上面的手腕放置区域，调节软性探测触头的位置，使其正对桡动脉处，与皮肤紧密的接触。CCD摄像头垂直放置在探测触头上方，同时使摄像头拍摄图像的水平位置与桡动脉血液流向一致，这样图像的垂直方向正对应着桡动脉的截面位置，以便于对多维脉象信息的分析。通过调节压力调节装置施加不同的取脉压力，观察获取的脉搏动态图像，脉搏搏动最明显时的取脉压力为最佳取脉压力。在该取脉压力下，采集脉搏动态图像。

图2.5是所采集的某组数据中脉搏搏动时连续的两帧脉搏图像。被试者为在校学生，年龄在21-27岁之间。目前，共采集了近50组数据，以验证本文所涉及的图像检测方法，结果与理论分析较好的吻合。在后面的几章将进行动态图像检测方法的理论分析与验证。

图2.5 连续的两帧脉搏图像

11

硕士学位论文

第4章 基于图像灰度匹配的运动分析方法

上一章确定三维运动的方法都可归纳为两步。首先计算对应特征或光流矢量，然后解方程求出运动参数。本章直接利用图像灰度匹配分析运动信息，主要包括用于二维平面运动分析的相关法和差分法。

4.1 图像相关法

数字图像相关分析方法是图像处理和计算机视觉中重要的方法之一[27][49]，它是现代先进的光电技术，图像处理与识别技术，计算机技术相结合的产物。在运动图像分析中，数字图像的相关性运算能够测量位移信息[50-52]，主要应用于对位移和变形等非接触式检测方面。数字图像相关方法是对物体表面变形前后的两幅图像进行相关处理，以实现物体变形场的测量。这种方法对于微小位移测量的灵敏度较高，误差较小[53]。在运动分析、弹性形变的测量及其它领域都有非常广泛的应用。对于周期性的运动可以准确反映运动的规律。

4.1.1 相关分析原理

相关法又叫匹配法，通常利用互相关函数的概念估计二维平移参数

?x，?y。

对于相邻时刻两幅图像，它们是时间的函数。运动前在t1时刻为

f(x,y,1t，)运动后在t2时刻为f(x??x,y??y,t2)，从t1到t2时刻，运动物

体的投影图像在x方向的位移是?x，在Y方向为?y，因而，两幅图像的相关函数为：

r(?x,?y)?E{f(x,y,t1)f(x??x,y??y,t2)} (4.1)

若离散图像大小为M?N，则相邻两幅图像的互相关函数为

M?1N?1r(?x,?y)?__??[f(x,y,t)?f1x?0y?0_t1][f(x??x,y??y,t2)?ft2] (4.2)

_式中，ft1与ft2分别为t1与t2时刻图像的均值，为

_ft1?f(x,y,t) (4.3) ??MN1x?0y?01M?1N?1 12

硕士学位论文

_ft2?f(x??x,y??y,t??MNx?0y?01M?1N?12) (4.4)

求得了r(?x,?y)，可以计算出?x，?y。

在三维运动分析中有时需要利用相关分析的方法获取物体二维运动信息，进而分析运动参数。

对于相同位置，相同大小图像区域上薄膜变形前后两幅不同的图像

f(x,y)和g(x,y)，其归一化互相关系数定义为：

M?1N?1??(f(x,y)?f)(g(x,y)?g))x?0y?0_2M?1N?1_2x?0y?0__rf.g? (4.5)

M?1N?1??(f(x,y)?f)??(g(x,y)?g)x?0y?0其中，M?N是所分析图像的大小，f和g表示图像灰度的均值，

0?rf.g?1，rf.g被称为归一化互相关系数。

__归一化的互相关函数是信号相似性的有效度量。对于脉搏动态图像

f(x,y,tk)，k?1,2,...,n，是时序图像第k帧图像，n为所分析的图像序列

数。在采集过程中，摄像头的位置固定，脉搏与探测触头上的薄膜贴紧后与镜头之间没有水平方向的位移。因此，其归一化的互相关函数可表示为：

M?1N?1???f(x,y,t)?f??f(x,y,trx?0y?0tr2M?1N?1rtrx?0y?0k)?ftk??2rf?g(tr,tk)? (4.6)

M?1N?1???f(x,y,t)?f????f(x,y,tx?0y?0k)?ftkf(x,y,tr)表示参考帧图像，ftr表示参考图像的均值，ftk表示第k帧图像的

均值。动态图像是由每秒30帧或者更高频率的图像序列组成的，得到的归一化互相关函数值是一系列离散的互相关系数。

脉搏的搏动具有规律性，脉搏图像序列中的每一帧图像的变化反映了脉搏运动过程中的一个位置的变化，每帧图像与它后续周期中相同位置对应的图像的归一化互相关系数最大，而与其它位置的归一化互相关系数值变化量与位移大小成正比变化。选取脉搏搏动最高点或最低点时刻的图像作为参考帧图像，将脉搏图像序列的每帧图像与参考帧图像进行相关分析。随着运动位置的变化，归一化互相关系数值的变化具有明显的规律性，能够反映脉搏的相对运动。

因此，利用数字图像相关分析的方法可以得到脉搏搏动信号波形。

13

硕士学位论文

4.1.2 相关法的应用

对于脉搏动态图像，利用相关法获取脉搏信号必须以脉搏搏动最高点或最低点这两个极限位置时的图像做为参考图像（或称为基准图像）。

其他位置时，由于参考图像只与同它相近位置时刻的图像的归一化互相关系数最大，而真正的峰值位置时的归一化互相关系数值一定会小于相近的几帧的值，则归一化互相关性系数不能真实反映脉搏的搏动，如图4.1(a)所示。当选择最低点时刻作为参考图像分析时，与最低点位置临近位置对应时刻的相关系数最大，接近于1，而其他位置时刻的相关系数值都小于1，这样得到一个反向的脉搏波形，如图4.1(b)所示。而选择最高点位置为参考图像时，得到的波形为正向的脉搏波形，如图4.1(c)所示。

相

关系数值

1.00210.9980.9960.9940123456

时间/秒

a) 参考图像选择不当时获得的波形

1.005相关系数值

10.9950.990.9850123456

b) 选择最低点作为参考图像时获得的波形

相关系数值

1.00510.9950.990.985时间/秒

0123456时间/秒

c) 选择最高点作为参考图像时获得的波形 图4.1选择不同参考图像时获得的波形

在对脉搏图像做相关分析时，若对整个图像进行相关分析，得到的脉搏信号是整个观测区域内整体的（平均的）脉搏信号。由于脉搏在不同区域跳动的幅度是不同的，以各个小区域代表的多点的脉搏信息也是不同的。因此，对整个图像

14

硕士学位论文

区域进行相关分析，得到的数据并不准确，也无法得到多点的脉搏信息，同时处理的区域越大，计算机处理的速度会相应下降。可以将图像的一个小的区域看作一个脉搏分析点，设置一个大小合适的图像窗口在整个图像上滑动，对多个这样的区域进行分析则实现了对切脉皮肤表面多点脉搏信号的获取。

运用相关法进行脉搏分析时发现，选取的图像区域大小与图像分辨率及网格纹理有关。分辨率越大，网格纹理越细致，分析区域可以选取的越小。一般在20?20大小以下时，由于图像信息过少，相关分析无法真实反映脉搏信息。当选择的图像的区域在20?20以上时，可以反映脉搏信息；而选择30?30及以上的较大图像区域时，能够得到较稳定的脉搏波形。

对脉搏跳动强烈的区域进行分析，如图4.2所示。选取一个60?60的图像区域，对整个60?60的图像区域进行分析。又将该图像区域分成4个相邻的30?30的图像区域，分别对小区域进行分析。通过对比各个波形可以发现，各区域（所代表的点处）的脉搏波形略有不同，这就是多点的脉搏信号。比较各波形的幅度值也就是峰峰值，可以发现4个相邻的30?30的图像区域的脉搏跳动强度是不同的。B区的最弱，D区的最强，对60?60区域分析得到的脉搏幅度是一个相对的平均值。说明了脉搏跳动最强烈的点分布在靠近D区域处。

区域A：区域C：

区域B：

区域D：

a) 所分析的图像区域

15

硕士学位论文

1.002相关系数值

10.9980.9960.9940.9920.990.98800.511.522.533.544.55时间/秒

b) 分析60?60区域的波形，峰峰值为：0.0108

1.002相关系数值

10.9980.9960.9940.99200.511.52时间/秒

2.533.544.55

c) 分析区域A的波形，峰峰值为：0.0071

1.002相关系数值

10.9980.9960.9940.99200.511.52d) 分析区域B的波形，峰峰值为：0.0064

1.005时间/秒

2.533.544.55

相关系数值

10.9950.990.9850.9800.511.52e) 分析区域C的波形，峰峰值为：0.0152

1.005时间/秒

2.533.544.55

相关系数值

10.9950.990.9850.9800.511.52f) 分析区域D的波形，峰峰值为：0.0164 图4.2 相关法对不同区域分析的比较

时间/秒

2.533.544.55

由于获得的脉搏波形是由变化的相关系数值来反映的，对相关系数变化量进行平移，将相关系数变化量的最小值作为零点，反映在时域坐标轴上。这样方便了分析脉搏信号波形的幅值大小。

对图像上的某一个区域进行相关分析。分别以最高点和最低点时刻的图像作为参考图像来分析同一段数据。选定最高点图像做为参考图像，进行相关分析得

16

硕士学位论文

到的波形如图4.3(a)所示。再选定最低点图像做为参考图像进行相关分析，由于以最低点作为参考图像得到的波形是相反的，所以进行取反。得到的波形如图4.3(b)所示。

相关系数变化量

0.010.005000.511.5

a) 最高点作为参考图像得到的脉搏信号

相0.01关系

数0.005变化

0量

2时间/秒

2.533.54

00.511.5

b) 最低点作为参考图像得到的脉搏信号

相0.01关系

数0.005变化

0量

2时间/秒

2.533.54

00.511.522.533.54

时间 /秒

c) 两波形比较和改进

相0.01关系

0.005数变化

0量 00.511.5

d) 修正后得到的脉搏信号 图4.3 应用相关法获取脉搏信号

2时间/秒

2.533.54

通过比较图4.3(a)和图4.3(b)的波形可以发现，以最高点时刻的图像作为参考图像时，波形越靠近最高点变化越慢，每个周期中的第二峰值较接近于第一个峰值。而以最低点时刻的图像作为参考图像得到的波形信号则正好相反。这是由于图像相关系数与位移变化并非线性关系造成的。在一个脉搏周期中，距参考图像时刻越近的图像与参考图像的相关系数值的变化越小，而相邻时刻越远的图像的

17

硕士学位论文

相关系数值变化越大。

为便于比较，将两个波形信号通过平移，显示在同一坐标轴下，分别用长短虚线显示，如图4.3(c)所示。两种波形的峰峰值非常接近，也就是说两波形的幅值基本是相同的，最高点和最低点图像的相关系数值不因为选择最高点或最低点作为参考图像而发生变化。因此，通过取平均值调整相关系数值来克服相关系数变化的非线性，近似线性的反映脉搏搏动的位移变化，在图4.3(c)中用粗实线显示。图4.3(d)所示为改进后相关法获得的信号波形。

4.1.3 多点及多维脉搏信号的获取

通过一个图像窗口在整个图像上或者部分图像区域上的滑动，可以对脉搏信号做多点分析。所能分析的点的数量取决与分析区域的大小。

相关系数变化量

时间 /秒

图4.4 相关法获取的桡动脉横截面13点脉搏信号

18

硕士学位论文

相关系数变化量

时间/秒

图4.5 相关法获取的桡动脉横截面13点多维脉搏信号

在采集脉搏图像时，CCD摄像头拍摄图像的水平位置与桡动脉血液流向一致。取 40×40大小区域的图像窗口作为一个分析点在图像上滑动，对桡动脉截面位置连续的区域进行分析，得到13组脉搏信号，依次为d1-d13，如图4.4所示。可以看出不同的区域，信号的强弱也是不同的。中心区域的信号最强，幅值最大；靠近两边的区域，脉搏信号逐渐减弱，幅值减小。

为了更清楚地观察这个连续区域的脉搏信号，仅取两个周期的脉搏信号，将这组脉搏波形用空间带状图显示，如图4.5所示。这样，就得到了空间的多点的脉搏信号。他们是空间排列的脉搏时序信号波形，因此，称为多维脉搏信号。其中，位于中间位置的d7的波形幅值最大，而向两侧逐渐减小。这反映了桡动脉血管中心位置的脉搏搏动最为强烈，也体现了脉宽、脉搏的分布等多维脉搏信息，实现了更全面的脉搏信息的获取。

取40?40大小的区域作为一个分析点，对400?400图像区域进行分析，可以把图像分为100个小区域，也可以看作100个分析点。400?400图像区域如图4.6 (a)所示，对100个区域（点）进行相关分析，其中某一个区域（点）的波形信号如图4.6(b)所示。将同一时刻所有分析点的相关系数变化量的值放在同一三维坐标下，可以看出各点脉搏强弱的分布情况，分别取0.7s，0.9s，1.1s，1.5s，1.7s时刻各点的值比较，可以显示各点脉搏瞬间的变化及相互之间的关系，如图4.6(c)所示。

脉搏搏动区域并非均匀的分布在整个脉搏图像上，这其实取决于在采集脉搏图像时脉搏所在CCD摄像头下的观测位置。由图4.6(c)看出，所测脉搏搏动的主要区域分布在图像中心附近的位置，这与目测的结果基本一致。

19

硕士学位论文

a)所分析的图像区域

相关系数变化量

0.010.005000.50.7 0.9 11.1 1.3 1.51.7 b) 某一点的脉搏信号

时间/秒

22.533.54

相关系数变化量

0.040.030.020.0102015105005151020相关系数变化量

0.040.030.020.0102015105005151020

采样时刻为0.7s时 采样时刻为0.9s时

相关系数变化量

0.040.030.020.0102015105005151020相关系数变化量

0.040.030.020.0102015105005151020

采样时刻为1.1s时 采样时刻为1.3s时

相关系数变化量

0.040.030.020.0102015105005151020相关系数变化量

0.040.030.020.0102015105005151020

采样时刻为1.5s时 采样时刻为1.7s时

c) 在不同采样时间多点脉搏的三维形状

图4.6 多点脉搏信号分析

20

硕士学位论文

相关法可以对上下离面位移进行分析，但是，相关法主要还是针对平面位移的分析方法。要准确确定上下的空间位移变化，需要更严密的分析及验证，本文第6章将进行实验验证，做更深入的讨论。

4.1.4 相关分析获取脉搏信号及要注意的问题

3210x 10-300.5-311.522.533.541.5x 10相关系数变化量

10.5064200x 10-30.511.522.533.5400.5-311.522.533.543210x 1000.511.522.533.54

时间/秒

图4.7 应用相关法获取的不同人的脉搏信号

应用相关法，对4位不同被试者的脉搏图像进行分析，获取的脉搏信号如图4.7所示。可以看出，每个人的脉搏是不同的，通过时间轴可以看出不同的脉搏频率，而纵轴相关系数变化量的大小则反映了脉搏跳动的幅度。该方法获取的脉搏信号清晰，便于脉象的分析。

在进行图像相关的分析中，还需要注意以下一些问题。

1、参考帧图像（基准图像）的选择非常关键，这一点在前面已经述及。而选择基准图像的方法，除了目测外，一个可行的办法就是通过散焦法，这将在第5

21

硕士学位论文

章进行说明。

2、在进行图像相关性分析时，选择大的图像区域可以抑制误差，但会增加计算的负担。经过多次实验发现，40×40左右大小的象素的区域已经可以达到比较好的效果。

3、在采集图像时，摄像头放置要求平稳。当摄像头有微弱的抖动的时候，波形曲线会相应的向上或向下偏移，造成波形的不稳定。

4、制约相关性分析方法灵敏度的主要因素是图像的分辨率[53]。采用分辨率更高的摄像装置可以提高分析的精度和准确性。

4.2 图像差分法

4.2.1 动态图像差分原理

图像运动往往表现为图像强度的变化。运动估计算法中的一个基本依据是图像强度的变化，可以用图像序列中相邻时间的一对图像的差来表示强度的相对变化，图像差运算定义为公式：

fd(x,y,t1,t2)?f(x,y,t2)?f(x,y,t1) (4.7)

其中，fd是差分图像。上式运算只涉及对应像素强度的相减运算，因此这种算法是相当简单的，并且适合于并行实现。图像差分在某种程度上反映了景物中相对于摄像机的各种运动。图像差分反映的图像强度的变化除了是由于运动产生的外，光照变化也可以造成图像强度的变化[54]。因此，在图像采集过程中采用多个稳定的光源提供照明。

一、 累积图像差分方法

上面的图像差分运算中应用了动态图像的两幅连续时间样本（或帧）。重复使用差分方法，计算出的输出图像表示了在感兴趣的时间间隔上的累积运动历程

[54]

。

累积图像差分可以考虑两种不同的方法，一种是将连续两帧图像的差分与前

次累积差分进行叠加，另一种则是将连续两帧图像的差分与前次累积差分进行相减。以下分别将这两种方法简称为方法A和方法B。

假设在t1,t2,?,tn时刻存在图像的时域样本，累计差分图像定义为

fT(x,y,t2)?fd(x,y,t1,t2) (4.8)

由公式(2)，可得到在tn时刻的累积差分图像

22

硕士学位论文

fT(x,y,tn)?fd(x,y,tn?1,tn)?fT(x,y,tn?1) （方法A） 或

fT(x,y,tn)?fd(x,y,tn?1,tn)?fT(x,y,tn?1) （方法B） (4.9)

上式的递归过程使fT携带了整个时间区间的运动信息。但通过脉搏图像化检测装置采集动态图像的主要目的是要获取脉搏信号，因此，需要分析的是图像的差分量变化。

图像累积差分量的计算公式为：

d1???(f(x,y,t2)?f(x,y,t1))dxdy (4.10)

?dk???(f(x,y,tk?1)?f(x,y,tk))dxdy?dk?1 k?1,2,...,n (4.11)

??表示所选取的图像区域，f(x,y,tk)是第k帧时间序列图像，n为所分析的

图像序列数。

二、选择参考帧的图像差分方法

这种方法是在动态图像序列中选取某一帧图像作为参考图像或参考帧，将动态图像序列中的每一帧图像与其进行差分运算，可以得到时间序列中每一帧图像相对于参考帧图像的图像强度变化量。这个变化量在具有周期性的运动中能够反映周期性的运动规律。

其图像差分的定义为：

fd(x,y,tr,tk)?f(x,y,tk)?f(x,y,tr) k?1,2,...,n (4.12)

其中fd(x,y,tr,tk)为相对参考帧的差分图像，f(x,y,tr)是参考帧图像，

f(x,y,tk)是第k帧时间序列图像，n为所分析的图像序列数。

对于所要求的差分量的计算公式为：

dk???f(x,y,tk)?f(x,y,tr)dxdy k?1,2,...,n (4.13)

?或 dk???f(x,y,tk)?f(x,y,tr)dxdy k?1,2,...,n (4.14)

?2?表示所选取的图像区域。差分法通常也被视为图像匹配的一种方法，同相

关法一样，参考图像的选择也是非常重要的。如果参考图像选择不当，虽然能够显示周期的波形，但却无法得到传统的压力脉搏波形。脉搏动态图像序列中脉搏搏动最高点或最底点时的图像需要作为参考帧图像，其分析方法和相关法类似。

4.2.2 差分法获取脉搏信号

利用差分法对脉搏图像分析同样可以对脉搏图像上任意一个小区域进行分

23

硕士学位论文

析。和相关法一致，选取的区域通常不小于30×30像素大小。区域选取得过小，得到的信号有时会出现不稳定。选取脉搏搏动比较强烈的任意区域进行分析，如图4.8所示。

图4.8 在图像中选取的分析区域

10000

累积差分量

50000-50000123456

4时间/秒

a)累积差分法A得到的信号

累积差分量

420-2-40123456x 10

4时间/秒

b)累积差分法B得到的信号

参考图像差分量

0-1-2-3-40123456x 10

c)选择参考帧的差分法得到的信号 图4.9 采用不同差分方法得到的信号

时间/秒

利用累积差分和选择参考帧的差分方法计算动态图像区域的差分量，可以得到反映脉搏运动的波形。对图4.8所示的图像区域进行分析得到的波形如图4.9

24

硕士学位论文

所示，三个信号是采用不同的差分方法得到的波形。由图4.9可以看出采用累积差分法获得的波形无法直接反映脉搏信号，而采用选择参考帧的差分方法得到的波形则有效的反映了脉搏搏动的变化。

对累积差分法的分析可以发现，累积差分法A获得的信号能反映出脉搏搏动的周期信息，而累积差分方法B则显得非常混乱。这两种方法得到的时域波形都无法直接反映脉搏信息。可是，对这两个信号的进一步分析却能揭示一些问题。采用小波方法对由累积差分法得到的脉搏信号进行分析可以在时频域图中看出明显的周期性。具体的分析在4.2.3中详述。

参考图像差分量

图4.10 差分法获取的桡动脉横截面13点脉搏信号

时间/秒

25

硕士学位论文

图4.11 差分法获取的桡动脉横截面13点多维脉搏信号

1.5x 104 差分量

10.50x 104123456

时间/秒

0 差分量

-2-40x 104123456

时间/秒

4 差分量

32101423456

差分量

3210x 10时间/秒

0123456

时间 /秒

图4.12 差分法获得的不同人的脉搏信号

26

硕士学位论文

通过以上的分析，利用选择参考帧的差分方法可以得到清晰稳定的脉搏信号。和相关分析一样，对脉搏动态图像的分析可以选取不同的区域。脉搏搏动强度不同的区域，其差分量的值也不同，并且差分量的大小反映了脉搏搏动的强弱。对不同区域分析获取的脉搏信号进行比较，可以明显地看出各区域脉搏跳动的强弱。通过对桡动脉截面各区域的分析，能够获取多维的脉象信息。同样的，取 40×40大小的滑动图像窗口，得到13组脉搏信号，依次为d1-d13，如图4.10和图4.11所示。

因此，可以说图像差分的方法是一种简单而有效的获取运动信息的方法。对图像差分方法的理论分析与实验结果表明，利用选择参考帧图像差分方法分析脉搏动态图像可以方便地检测出脉搏信号。

应用该方法对不同人的脉搏信号进行提取。图4.12所示是测得的不同的健康人的脉搏信号。

4.2.3 差分法获取信号的小波分析

小波分析属于时频分析的一种。小波变换是一种信号的时间-尺度（时间-频率）分析方法，它具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变，但其形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，这正符合低频信号变化缓慢而高频信号变化迅速的特点。正是这种特性，使小波变换具有对信号的自适应性，它很适合于探测正常信号中夹带的瞬态反常现象并展示其成分。其优于傅立叶变换的地方就是：它在时域和频域同时具有良好的局部化性质。其定义如下：

设??t??L2?R?(L2(R)表示平方可积的实数空间，即能量有限空间)，其傅立叶

????。当?????满足允许条件（Admissible Condition）: 变换为??????2 C???R?d??? (4.15)

时，我们称??t?为一个基本小波或母小波。将母函数??t?经伸缩和平移后，就可以得到一个小波序列。对于连续的情况，小波序列为：

?a,b?t??1a?t?b?? a,b?R；a?0 (4.16) ?a???其中，a为伸缩因子，b为平移因子。

对于离散的情况，小波序列为：

27

硕士学位论文

?j,k?t??2?j2??2?jt?k? j,k?Z (4.17)

对累积差分方法获得的信号进行小波分析，可以发现图像差分方法能够反映很多的运动信息。

a) 应用累积差分法A获取的信号的小波分析

b) 应用累积差分法B获取的信号的小波分析 图4.13 应用累积差分法获取的信号的小波分析

28

硕士学位论文

图4.13为采用Matlab小波工具箱中的Harr小波对信号进行的连续小波分解的结果。取6秒的一段原始信号进行分析，原始信号图下方为对应的时频域图。从时频图中能够看出脉搏运动的周期信息和一些活动的规律。时频图下的波形为在尺度为15和13时得到的小波系数的值，这说明了选择适当的尺度可以反映脉搏信号的波形，甚至可以得到近似的脉搏信号。

值得指出的是，采用其他类似的小波进行分析亦可以获得相似的效果。

4.3 小结

运动分析的相关法和差分法都可以归为图像匹配的方法。这两种方法通常用于分析水平平面方向运动的位移。对于脉搏图像，运动主要由上下位移产生，通过这两种方法可以用来分析这种深度变化信息。得到的脉搏信号清晰、稳定。在实验过程中，曾使用过多种材质的薄膜，使用这两种方法均能够获得脉搏信号，说明了这两种方法具有很好的推广性和稳定性。

实现深度的定量分析还可以考虑其它的分析方法，第5章将详细分析散焦法。

29

硕士学位论文

结论与展望

本论文从仿生学的角度出发，设计了脉搏图像化采集装置，利用单摄像机采集人体脉搏搏动动态图像。从三维运动分析方法的研究开始着手分析脉搏图像，进而，通过图像匹配的相关法或差分法可以获取动态图像运动变化信息，实现了多维及多点脉搏信号的获取，并且可以模拟整个脉搏区域的动态变化及搏动强弱分布情况。而通过散焦法不仅能获得多点脉搏信号，同时由于是对深度信息的获取，可以利用多点的深度信息进行三维重建，获得脉搏跳动各时刻的三维形状。由此，证明了脉搏图像化采集装置可以作为一种新型的传感器－脉搏图像传感器，实现更全面的脉搏信息检测。

脉搏图像传感器模拟人手指切脉，通过单目计算机视觉技术实现了脉搏信号的检测。与传统的脉搏传感器相比，它真正实现了多维、多点脉搏信号的检测，能够得到其它脉搏传感器无法实现的脉宽、脉搏强度分布，脉搏三维形状的信息。对其进一步的分析，正在研究中，还有更多信息有待发掘。

本文的主要研究内容及所取得的创新性成果如下：

1.设计并改进脉搏图像传感器，实现了脉搏动态图像采集的实用性与方便性。 2.研究了三维运动分析方法，对脉搏网格进行刚体假设，将每个小网格视为刚体，分析了基于特征点匹配的方法和基于光流的方法。同时分析了特征点匹配方法，通过运动分析，得到了脉搏运动变化的三维运动参数。结果显示了脉搏运动的基本特征，与实际相符，但还要得到脉搏波形还存在一定困难。

3.研究了图像匹配的方法，独立提出了相关法和差分法。这两种方法可以获得较好的脉搏信号波形，更重要的，这两种方法真正实现了多维及多点脉搏信号的检测。这也是脉搏图像传感器的最大优势所在，是本文的最重要的创新点之一。

4.图像差分的方法包括累积差分方法。累积差分分析脉搏图像变化，得到的波形信号不能直接体现脉搏信息，对累积差分获得的信号进行小波分析，同样可以反映脉搏信息。说明了累积差分方法存在潜在的应用价值。

5.散焦法直接从深度变化入手分析动态图像的变化，利用图像清晰度的变化来分析深度变化信息。不仅获得了脉搏信号，而且通过多点的不同深度信息可以重建脉搏某时刻的三维形状，实现了脉搏的三维信息获取。这是又一个重要的创新之处。

6.对散焦法、相关法及差分法的理论分析已经阐述了深度变化量的获取依据。定量分析的实验结果则进一步证明了三种分析方法获取的深度值与实际的深度具有正比例的线性关系，因此，所得到的分析结果是正确的。

7.脉搏动态图像分析结合了的单目视觉知识，利用单目视觉获取了多点脉搏

30

硕士学位论文

信号，同时实现了单目视觉的三维重建。这再次拓宽了单目视觉技术的应用领域。

“脉搏图像传感器设计和基于动态图像的脉搏信息获取”是一个新的同时又是一个极具研究价值的研究领域。虽然目前已经实现了脉搏动态图像的采集，提出了几种脉搏动态图像分析的方法，获得了一些的进展，但是，由于时间有限，还有存在着诸多的问题及工作有待于更深入的分析研究和解决。目前，主要有以下几个方面：

1. 脉搏图像传感器探测触头薄膜网格图案的绘制目前是人工绘制，可重复性及网格均匀性较差，对分析问题带来了一些不便。并且，薄膜图案的绘制并不一定是方形网格，可以为其它形式。采用其它形式的网格会不会引出新的分析方法？以及其它形式与方形网格之间的关系如何等问题有待于实验研究。同时，薄膜材料的选择，也值得进一步的研究。

2. 脉搏图像传感器的照明是图像采集效果的重要保证之一，光源如何设计才能使照明效果更好更合理是值得认真考虑的问题，而传感器能否更轻便小巧是基于实用性的考虑。

3. 对于累积差分法的小波分析本文仅仅做了简单的分析介绍，其真正的原理并没有深入分析，这还有待于进一步分析。

4. 散焦法分析中的判别函数有很多，本文仅对这些判别函数做了理论上的分析，没有做更多的实验分析。对判别函数的改进是否能减少对图像噪声的干扰，还没有做过多的研究，有待分析。

5. 关于实现实时脉搏信号检测和三维脉搏形状显示是有待做的工作。 6. 在测量多点脉搏信号时可以发现，前后各点之间峰值到达的时刻不同，通过各点之间的距离估计可以推测脉搏血液的流速。这在本文正文中虽未提到，但是具有潜在的研究价值。

7. 本文中提到的图像分析方法不是检测脉搏信号的唯一或全部方法。图像作为一种复杂的信号载体形式，具有丰富的特征。这些信号特征在三维运动分析方面有较多应用，比如张量分析，图像矩函数以及独立分量分析/主分量分析（ICA/PCA）等技术。

总之，脉搏动态图像化检测为脉搏触觉信息获取和脉诊客观化研究提供了新的思路和方法，必将大大促进脉诊客观化的研究与发展。

31

硕士学位论文

参 考 文 献

[1] 李新胜. 生理信息融合技术的研究进展. 生物医学工程杂志, 2000,17(4):

464-468

[2] 刘兵全, 何继善等.医学图像后处理研究进展.国外医学生物医学工程分册,

2004,27(4): 35-38

[3] 姜涛. 基于小波分析的中医脉象识别的研究：[河海大学硕士学位论文]. 南京:

河海大学, 2003,1-2

[4] 周华青. 图像脉诊法. 合肥：安徽科学技术出版社, 1991

[5] 黄世林, 孙明异. 中医脉象研究. 北京: 北京人民卫生出版社,1986,2,1-2 [6] 李景唐. 中医脉象的客观描述和检测. 中国医疗器械杂志, 2001,25(1): 318-323 [7] 晋·王叔和. 脉经. 北京:人民卫生出版社 1982.3

[8] 吴静默. 对中医脉法作实验研究的初步报告. 上海中医药杂志, 1958,6:275 [9] 陈可冀. 高血压病弦脉及其机制的研究.中华内科杂志, 1962,6:638

[10] Lygouras, J.N, Tsalides, P.G. Optical-fiber finger photo-plethysmograph using

digital techniques. IEEE Sensor Journal, 2002, 2(1): 20-25.

[11] Young-Zoon Yoon, Myeong-Hwa Lee, Kwang-Sup Soh. Pulse type classification

by varying contact pressure. IEEE Engineering in Medicine and Biology, 2000,6(9):106-110.

[12] H Sorvoja, V M Kokko, R Myllyl?, et al. Use of EMFi as a blood pressure pulse

transducer. IEEE Transactions on instrument and measurement, 2005, 54(6): 2505-2512.

[13] 张爱华, 杨凤霞, 王润东. 基于脉象信号的亚健康状态识别. 兰州理工大学学

报（自然科学版）,2006,32(6): 82-84. [14] 王炳和, 罗 建, 相敬林等. 人体脉搏功率谱分析与中医脉诊机理研究. 西北

大学学报(自然科学版), 2001,2(31)1：21-25.

[15] 蔡轶珩, 沈兰荪,黄祥林. 脉象分析仪的研究进展. 电子测量与仪器学报,

2002,16(4): 55-59

[16] 张大祥. 脉搏图像分析. 江西：南昌市第二医院,1981.

[17] 申弦京, 姜风岐, 张强铁等. 光纤探头脉像仪的实验研究.仪器仪表学报

1994,15(4)：391-394

[18] 朱国富, 廖明涛, 王博亮等. 袖珍式脉搏波测量仪.电子技术应用 1998,1:

30-31

[19] 王軩俊, 樊育, 蔡新吉. 医疗卫生装备, 1999,5: 1-3

32

硕士学位论文

[20] 金观昌, 于淼, 鲍乃铿. PVDF多点脉搏波计算机辅助测试系统研究. 清华大

学学报, 1999,39(8): 117-120.

[21] 郑行一. 多维脉象信息检测.医疗器械, 1985,5: 1 [22] 费兆馥. 现代中医脉诊.人民卫生出版社,2003

[23] 王耀南,李树涛,毛建旭. 计算机图像处理与识别技术. 北京:高等教育出版社,

2001

[24] 章毓晋. 图像视觉与计算机视觉. 北京:清华大学出版社, 2000.8 [25] 贾云得. 机器视觉. 北京:科学出版社, 2000.4 [26] 吴立德. 计算机视觉. 上海:复旦大学出版社, 1993.12

[27] David A. Forsyth, Jean Ponce著；林学訚, 王宏等 译 计算机视觉——一种现

代方法：A Modern Approach. 北京:电子工业出版社, 2004. [28] 李智勇, 沈振康. 动态图像分析. 北京:国防工业出版社,1999：1-2

[29] J.L.Synge and A.Schild. Tensor Calculus, Dover Publication Inc., New York, 1978 [30] D.Cyganski, J.A.Orr. Object Identification and Orientation Estimation from Point

set Tensors, Int. Conf. Pattern Recognition, Montreal, P.Q., Canada, July 30-Aug 2, 1984:250-253

[31] 李象霖, 陈小平. 确定三维运动参数的张量分析方法. 电子科学学刊,

1991,13(6):575-582

[32] 李象霖. 三维运动分析. 合肥：中国科学技术大学出版社,1994

[33] J.W. Roach and J.K. Aggarwal, Determining the movement of objects from a

sequence of images. IEEE Trans. Pattern Anal. Machine Intell., 1980, 2﹙6﹚: 554-562

[34] R.Y. Tsai, T.S. Huang. Uniqueness and estimation of 3-D motion parameters of

rigid bodies with curved surfaces. IEEE Trans. Pattern Anal. Mach. Intell. 1984, 6(1)

[35] Longuet – Higgins H.C. A computer algorithm for reconstructing a scene from

two projections. Nature, 1981, 293:133-135

[36] Longuet – Higgins H.C. The reconstruction of a scene from two projections

configurations that defeat the 8 – point algorithm, Dencer Colorado: Proc. 1st Conf. Artif. Intell. Application, 1984

[37] Zhuang X, Huang T.S., Haralick R.M. Two – view motion analysis: a unified

algorithm. J. Opt. Soc. Am., 1986, A3(9)

[38] B.L. Yen, T.S. Huang. Determining 3-D motion and structure of a rigid body using

straight line correspondences. IEEE International Conference on Acoustics, Speech and Signal Processing, 1983, 1:118-121

33

硕士学位论文

[39] B.K.P. Horn, B.G. Schunck. Determining optical flow. Artificial Intelligence, 1981,

17:185-203

[40] 李象霖, 张妙兰. 小平面对应模型的一种线性算法. 电子学报,

1993,18(1):86-92

[41] Tsai R.Y, Huang T.S. Estimating 3-D motion parameters of a rigid planar patch,

Ⅲ: finite point correspondences and the three-view problem. IEEE Trans. On ASSP, 1984,32(2)：213-220

[42] B.D. Lucas and T. Kanade. An iterative image registration technique with an

application to stereo vision. Proc. DARPA Image Understanding Workshop. 1981:121-130.

[43] H.H. Nagel. On the estimation of optical flow: Relations between different

approaches and some new results. Artificial Intelligence, 1987, 33: 299-324 [44] 陈乐, 吕文阁等.角点检测技术研究进展.自动化技术与应用,2005,24(5):1-8 [45] HARRIS , C. , STEVEN , M. A combined corner and edge detector. In : Proc. 4th

Alvey Vision Conf . , Manchester , 1988 :189-192

[46] Lionel Moisan, Berenger Stival. Automatic detection of rigid point matches.

Proceedings of the Workshop on Motion and Video Computing. (Motion ?02) 2002

[47] P.C. Yuen. Dominant point matching algorithm. Electronics Letters, 1993,

29(23):2023-2024

[48] Paul M. Griffin, Christos Alexopoulos. Point Pattern Matching Using Centroid

Bounding. IEEE Transactions on systems, man and cybernetics, 1989, 19﹙5﹚:1274-1277

[49] 何小海,腾奇志. 图像通信. 西安:西安电子科技大学出版社,2005 [50] 金观昌. 计算机辅助光学测量. 北京:清华大学出版社,1997

[51] Hou Zhende, Qin Yuwen. The study of fractal correlation method in the

displacement measurement and its application. Optics and Lasers in Engineering, 2003, 39 :465-472.

[52] C.J. Tay, C. Quan, Y.H.Huang, Y. Fu. Digital image correlation for whole field

out-of-plane displacement measurement using a single camera. Optics Communications, 2005, 251: 23-36.

[53] 高建新, 周辛庚. 数字图像测量系统灵敏度分析. 固体力学学报, 1997, 2(18):

163-166.

[54] 张广军. 机器视觉. 北京:科学出版社,2005,6: 174-178&205-209

[55] 邾继贵, 李艳军, 叶声华等. 单摄像机虚拟立体视觉测量技术研究. 光学学

34

本文来源：https://www.bwwdw.com/article/w4ug.html