基于圖像熵的脈搏波提取算法

林冬梅 ，張愛華 ，楊富龍 ，陳曉雷

(1. 蘭州理工大學(xué) 電氣工程與信息工程學(xué)院，甘肅 蘭州，730050；2. 甘肅省工業(yè)過程先進控制重點實驗室，甘肅 蘭州，730050)

脈搏是衡量人體生理狀態(tài)極其重要且可靠的信息源之一。脈診是我國傳統(tǒng)醫(yī)學(xué)中最具特色的一項診斷方法。長期以來，對脈象的判斷缺乏客觀的量化指標(biāo)和標(biāo)準(zhǔn)。脈診客觀化是一個亟待解決的難題，其關(guān)鍵是如何建立合理科學(xué)的檢測方法，獲取全面的脈搏觸覺信息。多年來，國內(nèi)外研究者致力于對脈搏傳感器和脈診客觀化的探索研究，各種脈搏傳感器和相應(yīng)的信息獲取方法層出不窮，為進一步研究脈搏檢測方法、獲取全面的脈搏信息奠定良好的基礎(chǔ)。目前，用于脈搏信息采集的傳感器主要有壓阻式、光電式和壓電式傳感器等[1?7]。固態(tài)壓阻式傳感器采用剛性探頭，依據(jù)壓阻效應(yīng)反映脈搏搏動變化。光電式傳感器是根據(jù)光在組織中的透過率比在血液中的透過率大的原理而設(shè)計，傳感器接收透過指端的脈動變化的光并轉(zhuǎn)換為電信號，獲得指端光電脈搏圖。壓電式傳感器采用機電薄膜(EMFi)或壓電薄膜(PVDF)作為傳感元件，依據(jù)壓電效應(yīng)間接測量脈搏搏動過程中的皮膚表面的變形。上述檢測方法將脈搏的空間變化轉(zhuǎn)換為一電信號輸出，無法細(xì)致反映切脈皮膚表面空間各點的變化。另外，由于受傳感器結(jié)構(gòu)體積、敏感元件性能、制造工藝等因素影響，檢測點數(shù)目受到很大限制，且無法實現(xiàn)脈管不同部位不同截面變化的同步測量。張治國等[8]采用超聲探頭，觀察脈管某一截面的運動規(guī)律，但由于超聲頻率低，且單一截面反映的信息比較局限，無法重構(gòu)任意時刻脈搏跳動的空間曲面。脈診客觀化遲遲未能實現(xiàn)，其主要原因在于脈象傳感器設(shè)計和脈象信息分析方法兩方面關(guān)鍵技術(shù)尚未實現(xiàn)突破性進展?；趫D像化的脈象采集與分析研究是一個全新的領(lǐng)域，集傳感器設(shè)計、生物信號檢測、計算機視覺及動態(tài)圖像處理等多學(xué)科于一體，具有較強的新穎性和挑戰(zhàn)性。為獲取更多脈搏數(shù)據(jù)信息，從仿生學(xué)角度出發(fā)，結(jié)合中醫(yī)切脈時“最佳取脈壓力”原理和薄膜網(wǎng)格受力變形時的空間位移測量原理，提出新的基于圖像化的脈象采集方法，并研制出脈搏圖像傳感器[9]，將脈搏信息以圖像的形式表現(xiàn)出來。采用該傳感器采集動態(tài)脈搏圖像，研究圖像的變化，提取脈搏信息并進行分析。在前期的研究中，本課題組已經(jīng)研究采用網(wǎng)格面積法、散焦法、圖像相關(guān)法、圖像重心法、差分法等算法提取表征脈搏波動的幅度信息，獲取脈搏波形。經(jīng)過比較可知，網(wǎng)格面積法所獲取的脈搏波形曲線明顯清晰，更能精確地反映脈搏變化信息[10]，但該方法提取的脈搏波中重搏前波或重搏波不明顯。針對網(wǎng)格面積法的不足，本文利用圖像統(tǒng)計特性，對比常用的圖像基本統(tǒng)計量，提出一種獲取脈搏波形的新方法——基于圖像熵的脈搏波形提取算法。

1 脈搏圖像傳感器

脈搏圖像傳感器見圖 1，由內(nèi)含可調(diào)壓力密封腔的軟性探測觸頭、CCD攝像頭、傳感器支架、切脈壓力調(diào)節(jié)機構(gòu)、手動氣泵、氣壓緩沖腔、壓力檢測與指示、氣路和光路等部分組成，具體的結(jié)構(gòu)原理圖及元件參數(shù)見文獻[9, 11]。探測觸頭與皮膚接觸面采用理化性較好的軟性薄膜制成，以求增加人體仿生度。將接觸面制成直徑為30 mm的圓形，并在薄膜內(nèi)側(cè)印制相互聯(lián)結(jié)的方形網(wǎng)格。探測觸頭中壓縮空氣的壓力不但可以連續(xù)調(diào)節(jié)，而且可利用氣壓表顯示壓力，用于模擬指內(nèi)壓力。采用螺旋測微儀調(diào)節(jié)彈簧彈力，控制固定探測觸頭與手腕接觸點的壓力狀況，使探測觸頭與手臂接觸面間的作用力達到平衡，在此狀態(tài)下，安放于探測觸頭上方的 CCD攝像頭能夠采集到網(wǎng)格薄膜隨脈搏跳動的清晰的動態(tài)圖像，圖2所示為其中一幀圖像。動態(tài)脈搏圖像采集幀速率為30幀/s，圖像的分辨率為640×480像素。攝像頭經(jīng)USB接口直接與計算機通訊，進行數(shù)據(jù)存儲、轉(zhuǎn)換或圖像處理，進而對各網(wǎng)格的動態(tài)形變或灰度變化分析，獲取多維脈搏信息。該傳感器能夠采集多維動態(tài)脈搏圖像信息，其信息量比傳統(tǒng)傳感器的信息量更大。

圖1 脈搏圖像傳感器Fig.1 Pulse image sensor

圖2 一幀脈搏圖像Fig.2 One frame of pulse image signal

2 圖像的基本統(tǒng)計量

圖像能反映自然界中某一物體或?qū)ο蟮碾姶挪ㄝ椛淠芰糠植记闆r。由于成像系統(tǒng)具有一定的復(fù)雜性以及成像過程中的隨機性，圖像信號f(x,y)表現(xiàn)出隨機變量的特性，故圖像信息具有隨機信號的性質(zhì)并且具有統(tǒng)計性質(zhì)。因此，統(tǒng)計分析是數(shù)字圖像處理分析的基本方法之一[12]。

2.1 紋理圖像

紋理最初指纖維物的外觀，一般認(rèn)為具有重復(fù)性結(jié)構(gòu)的圖像叫紋理圖像。紋理圖像在局部區(qū)域內(nèi)可能呈現(xiàn)不規(guī)則性，但整體上表現(xiàn)出一定規(guī)律性[13]，其灰度分布往往表現(xiàn)出某種周期性。實際中很多圖像具有紋理型結(jié)構(gòu)，紋理在一定程度上反映一個區(qū)域中像素灰度級的空間分布屬性。對這類紋理型圖像可通過紋理分析提取其宏觀特征信息[14]。

紋理可分為人工紋理和天然紋理(自然紋理)。人工紋理由某種符號有序排列組成，這些符號可以是線條、點、字母和數(shù)字等。自然紋理是具有重復(fù)排列現(xiàn)象的自然景象，如磚墻、種子、森林和草地之類的照片。圖3所示為一些典型的人工紋理和自然紋理圖像。

另一方面，從采集到的脈搏圖像特征來看(比較圖2與圖3)，其中每一幀圖像都類似于人工紋理圖像，所以，可嘗試采用紋理分析的方法來分析脈搏圖像。而紋理分析常用的方法有統(tǒng)計分析法、自相關(guān)函數(shù)法、傅里葉頻譜法、聯(lián)合概率矩陣法、句法結(jié)構(gòu)法等。其中，較常用的是統(tǒng)計分析法，故選擇統(tǒng)計分析法來分析脈搏圖像。

2.2 圖像基本統(tǒng)計量

一幅圖像f(x,y)，大小為M×N像素，坐標(biāo)為(i,j)的像素點的灰度表示為f(i,j)(i=0, 1, 2, …,M?1，j=0, 1, 2, …,N?1)。常用的圖像基本統(tǒng)計量如下[12]。

2.2.1 圖像的信息量(熵)

1幅圖像若共有k種灰度，并且各灰度出現(xiàn)的概率分別為p1，p2，p3，…，pk，則根據(jù)香農(nóng)定理，圖像的信息量可采用如下公式：

其中：H稱為圖像的信息量(熵)，當(dāng)圖像中各灰度出現(xiàn)的概率彼此相等時，則圖像的熵最大。信息量表示1幅圖像所含的信息量，常用于對不同圖像處理方法進行比較。例如，對于1幅采用8 bit表示的數(shù)字圖像，其信息量如下：

2.2.2 圖像灰度平均值

灰度平均值是指1幅圖像中所有像素灰度的算術(shù)平均值，計算公式如下：

圖像灰度平均值反應(yīng)圖像中物體不同部分的平均反射強度。

2.2.3 圖像灰度方差

灰度方差反應(yīng)圖像各像素灰度與圖像平均灰度的離散程度，計算公式如下：

與熵類似，圖像灰度方差同樣是衡量圖像信息量大小的主要度量指標(biāo)，是圖像統(tǒng)計特性中最重要的統(tǒng)計量之一，方差越大，圖像的信息量越大。

圖3 紋理圖像Fig.3 Texture images

2.2.4 圖像灰度眾數(shù)

圖像灰度眾數(shù)是指圖像中出現(xiàn)次數(shù)最多的灰度，其物理意義是指1幅圖像中面積占優(yōu)的物體的灰度。

2.2.5 圖像灰度中值

圖像灰度中值是指數(shù)字圖像全部灰度級中處于中間的值，當(dāng)灰度級數(shù)為偶數(shù)時，取中間的2個灰度的平均值。

2.2.6 圖像灰度值域

圖像灰度值域是指圖像最大灰度fmax(i,j)和最小灰度之差，計算公式如下：

3 動態(tài)脈搏圖像的熵信息提取

3.1 根據(jù)整幀圖像提取脈搏波形

采用脈搏圖像傳感器采集的脈搏數(shù)據(jù)是動態(tài)圖像序列。脈搏跳動強度的不同，會導(dǎo)致軟性薄膜形變強弱不同，從而使各幀圖像的灰度發(fā)生相應(yīng)變化，進而使得圖像上特定區(qū)域的統(tǒng)計量在不同幀間發(fā)生相對變化。根據(jù)基本圖像統(tǒng)計量的定義，對同一脈搏圖像序列的每幀圖像分別進行各個統(tǒng)計量的計算，算法流程如圖4所示，得到基于各個統(tǒng)計量的波形，如圖5(a)～(f)所示。其中，橫坐標(biāo)表示幀數(shù)，縱坐標(biāo)表示各個統(tǒng)計量的值。

圖4 算法流程圖Fig.4 Algorithm flowchart

從圖5可知：基于圖像灰度眾數(shù)、圖像灰度中值、圖像灰度值域所提取的波形幾乎毫無規(guī)律?；趫D像灰度平均值和灰度方差所提取的波形雖然呈現(xiàn)一定的重復(fù)性，但不符合脈搏波形的規(guī)律。而基于圖像熵提取出來的波形(圖 5(f))最準(zhǔn)確；最接近典型的脈搏波形，具有主波、重搏前波和重搏波。圖6所示為典型的脈搏信號波形圖[15]。

同時，將圖5(f)與文獻[10]中網(wǎng)格面積法所得脈搏波形(見圖5(b))進行比較，得出：

(1) 從整體波形來看，本文算法的波形波動較小，穩(wěn)定性好；而網(wǎng)格面積法的波形波動較大，穩(wěn)定性不夠好。

(2) 從單個周期來看，對于網(wǎng)格面積法，有些周期內(nèi)重搏前波不明顯，有些周期內(nèi)重搏波不明顯；而對于同一個動態(tài)脈搏圖像信號，本文算法獲得的重搏前波和重搏波都比較明顯，波形更精確。

(3) 從執(zhí)行效率來看，本文算法運行速度快，效率高，運行時間約為1.87 s；而網(wǎng)格面積法運行時間約為4 min，前者僅為后者的1/128(以主頻3.20 GHz、內(nèi)存2.00 GB的微機為實驗平臺，在Matlab 7.0上運行算法程序)。

綜上所述，基于圖像熵的脈搏波形提取算法效率較高，能精確獲取脈搏波，效果優(yōu)于網(wǎng)格面積法。

3.2 根據(jù)網(wǎng)格區(qū)域提取脈搏波形

基于圖像熵的方法可以對整幀圖像進行處理；也可以選取1個或多個區(qū)域進行處理，然后計算各幀圖像中該區(qū)域的圖像熵，提取脈搏波形。從圖2可見：脈搏圖像上有許多白色網(wǎng)格，可將每個網(wǎng)格作為1個小區(qū)域，計算每幀圖像中的每個網(wǎng)格的熵，即多點熵，得到脈搏波形。為便于區(qū)分，將脈搏圖像中的網(wǎng)格進行編號，如圖 7所示。圖 8(b)～(d)所示為根據(jù)任意 3個網(wǎng)格X44，X55和X65提取的波形。將這3個同網(wǎng)格的波形與由整幀圖像提取的波形進行對比，可見：它們是同步的，即同時到達波峰和波谷，具有相同的變化規(guī)律，這進一步驗證采用圖像熵的方法來提取脈搏波形的正確性。

傳統(tǒng)的脈搏波測量方法如常見的壓阻式、光電式和壓電式傳感器進行脈搏信號檢測相比，從脈搏圖像中提取波形具有更大的優(yōu)越性。傳統(tǒng)的方法只能檢測單點的一維的脈搏信號，而脈搏圖像是二維的，可以提取多點的脈搏波以及更多其他脈象信息。

圖5 每個統(tǒng)計量及網(wǎng)格面積法的波形Fig.5 Waveforms based on each image statistic and grid area

圖6 典型的脈搏信號波形圖Fig.6 Typical pulse wave

4 脈搏信號的周期提取

采用文獻[16]中的峰值提取方法，根據(jù)整幀圖像獲取的脈搏波形，求得600幀圖像中共31個峰值點的位置如圖9和表1所示。根據(jù)表1中數(shù)據(jù)可求得該脈搏信號的周期。每2個相鄰峰值點位置之間的差值即可反映周期。為求得準(zhǔn)確的周期，可利用表中數(shù)據(jù)求平均周期。已知視頻信號的采集幀速率為30幀/s，可用下式求得脈搏信號的周期T：

圖7 標(biāo)記后的一幀脈搏圖像Fig.7 A marked frame

圖8 根據(jù)某些網(wǎng)格提取的波形與根據(jù)整幀圖像提取的波形之間的比較Fig.8 Comparison between pulse waves extracted from some grids and pulse wave extracted from whole frame

其中：L為表1中的數(shù)據(jù)組成的數(shù)組；fdiff(L)表示對L的數(shù)據(jù)進行差分；fsum表示求和；flength為數(shù)組的長度。

圖9 峰值點提取Fig.9 Peak points extraction

表1 600幀圖像中峰值點的位置Table 1 Locations of peak points 幀

對本文的脈搏數(shù)據(jù)，用上述公式求得脈搏周期為0.657 8 s，進而可求得脈搏頻率為

此外，根據(jù)脈搏波的時域分析，還可獲得更多的有關(guān)生理參數(shù)，如收縮期時和舒張期時的值等(如圖6中所標(biāo)注)；并可進一步在時空域求得脈寬、脈長等脈象信息。

5 結(jié)論

(1) 提出基于常用的圖像基本統(tǒng)計量提取脈搏波形的方法并進行比較，基于圖像熵獲取的脈搏波形較準(zhǔn)確。該方法可以對整幀圖像進行處理，也可以選取1個或多個網(wǎng)格區(qū)域進行處理。然后計算各幀圖像熵，提取脈搏波形，獲得脈搏周期和頻率。

(2) 基于圖像熵的脈搏波提取算法效率高，波形穩(wěn)定性好，重搏前波和重搏波都比較明顯，能精確獲取脈搏波，效果優(yōu)于網(wǎng)格面積法。此外，該算法可以提取多點的脈搏波以及更多其他脈象信息，比傳統(tǒng)的脈搏波測量方法具有更大的優(yōu)越性，為脈搏圖像的三維重構(gòu)和脈搏的其他信息提取及其進一步分析提供了依據(jù)。

(3) 由于基于圖像熵提取出來的脈搏波形較準(zhǔn)確，故可考慮采用熵作為脈搏信息的表征量。根據(jù)每幀圖像中的每個網(wǎng)格的熵，可進一步分析熵與脈搏波動的關(guān)系，提出新的三維重構(gòu)算法，進而對脈搏圖像序列中的每一幀脈搏圖像進行三維重構(gòu)，得到任意時刻的三維視圖。以重構(gòu)的三維形態(tài)圖為圖像序列，保持和數(shù)據(jù)采集時相同的時間順序和幀速，將其連接成動態(tài)視頻，重構(gòu)脈搏搏動時的三維動態(tài)視圖。有望將傳統(tǒng)的三維重構(gòu)技術(shù)發(fā)展為動態(tài)、實時、高精度的三維檢測技術(shù)，這將具有重要的科學(xué)意義和廣闊的應(yīng)用前景。

[1] Lin Y, Leng H, Yang G, Cai H. An intelligent noninvasive sensor for driver pulse wave measurement[J]. IEEE Sensor Journal,2007, 7(5): 790?799.

[2] Lygouras J N, Tsalides P G. Optical-fiber finger photoplethysmograph using digital techniques[J]. IEEE Sensor Journal, 2002, 2(1): 20?25.

[3] Sorvoja H, Kokko V M, Myllyl? R, et al. Use of EMFi as a blood pressure pulse transducer[J]. IEEE Transactions on instrument and measurement, 2005, 54(6): 2505?2512.

[4] XU Lisheng, MENG Max, SHI Cheng, et al. Quantitative analyses of pulse images in Traditional Chinese Medicine[J].Medical Acupuncture Journal for Physicians by Physicians, 2008,20(3): 175?190.

[5] Yoon Y Z, Lee M H, Soh K S. Pulse type classification by varying contact pressure[J]. IEEE Engineering in Medicine and Biology, 2000, 19(6): 106?110.

[6] 金觀昌, 于淼, 鮑乃鏗. PVDF多點脈搏波計算機輔助測試系統(tǒng)研究[J]. 清華大學(xué)學(xué)報: 自然科學(xué)版, 1999, 39(8): 117?120.JIN Guanchang, YU Miao, BAO Naikeng. Research of multi-point pulse wave computer measurement system using PVDF[J]. Journal of Tsinghua University: Science and Technology, 1999, 39(8): 117?120.

[7] Joshi A B, Kalange A E, Bodas D, Gangal S A. Simulations of piezoelectric pressure sensor for radial artery pulse measurement[J]. Materials Science and Engineering: B, 2010,168(1/2/3): 250?253.

[8] 張治國, 牛欣, 楊學(xué)智, 等. 脈寬的可視化考察[J]. 中國中醫(yī)藥信息雜志, 2008, 15(5): 14?16.ZHANG Zhiguo, NIU Xin, YANG Xuezhi, et al. Visualizational investigation on width of pulse tracing[J]. Chinese Journal of Information on Traditional Chinese Medicine, 2008, 15(5):14?16.

[9] 張愛華, 周義勇, 朱亮. 圖像化脈象采集裝置的研制[J]. 傳感技術(shù)學(xué)報, 2006, 19(4): 1261?1263.ZHANG Aihua, ZHOU Yiyong, ZHU Liang. Development of pulse acquisition device based on image[J]. Chinese Journal of Sensors and Actuators, 2006, 19(4): 1261?1263.

[10] 毛蘊娟. 基于脈搏信號的視覺疲勞和亞健康關(guān)系研究[D]. 蘭州: 蘭州理工大學(xué)電氣工程與信息工程學(xué)院, 2010: 31?32.MAO Yunjuan. Study on relation of visual fatigue and sub-health based on pulse signals[D]. Lanzhou: Lanzhou University of Technology. College of Electrical and Information Engineering, 2010: 31?32.

[11] Zhang A H, Mao Y J. Pulse shape study based on pulse image sensor[C]//The Third International Symposium on Test Automation & Instrumentation. Beijing: Chinese Journal of Scientific Instrument, 2010: 213?216.

[12] 陳天華. 數(shù)字圖像處理[M]. 北京: 清華大學(xué)出版社, 2008:23?24.CHEN Tianhua. Digital image processing[M]. Beijing: Tsinghua University Press, 2008: 23?24.

[13] 邱煒, 陳斌, 胡康達. 基于局部累積直方圖和紋理特征的圖像檢索方法[J]. 計算機應(yīng)用, 2009, 29(S2): 239?240, 243.QIU Wei, CHEN Bin, HU Kangda. Image retrieval based on local accumulation histogram and texture characterteristic[J].Journal of Computer Applications, 2009, 29(S2): 239?240, 243.

[14] Gonzalez R C, Woods R E. Digital image processing[M]. 3rd ed.Beijing: Publishing House of Electronics Industry, 2010:540?544.

[15] 費兆馥. 現(xiàn)代中醫(yī)脈診學(xué)[M]. 北京: 人民衛(wèi)生出版社, 2003:163?164.FEI Zhaofu. Contemporary sphygmology in traditional Chinese medicine[M]. Beijing: People’s Medical Publishing House, 2003:163?164.

[16] 行鴻彥, 許瑞慶, 王長松. 基于經(jīng)驗?zāi)B(tài)分解的脈搏信號特征研究[J]. 儀器儀表學(xué)報, 2009, 3(30): 576?602.XING Hongyan, XU Ruiqing, WANG Changsong. Pulse signal feature research based on empirical mode decomposition[J].Chinese Journal of Scientific Instrument, 2009, 3(30): 576?602.