[發(fā)明專利]基于自適應(yīng)正則化光流模型的室壁運動估計方法及裝置

在審

• 申請?zhí)枺?/td>: 202211292203.3
• 申請日: 2022-10-21
• 公開（公告）號: CN115861172A
• 公開（公告）日: 2023-03-28
• 發(fā)明（設(shè)計）人: 朱新建;劉姍娜;張昊;周慶利;吳金玉
• 申請（專利權(quán)）人: 浙江大學(xué)醫(yī)學(xué)院附屬第四醫(yī)院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/269;A61B8/08
• 代理公司: 重慶敏創(chuàng)專利代理事務(wù)所(普通合伙) 50253
• 代理人: 陳千

1.一種基于自適應(yīng)正則化光流模型的室壁運動估計方法，其特征在于，所述方法包括：

步驟101：基于超聲波心動圖像獲取預(yù)設(shè)心動周期內(nèi)的多幀超聲圖像排序組合；

步驟102：采用光流法對所述多幀超聲圖像排序組合的前后兩幀圖像計算前后兩幀圖像的運動光流場；

步驟103：采用二維小波分析法對前后兩幀圖像的運動光流場進行分解與重構(gòu)并提取運動邊界信息；

步驟104：將運動邊界信息經(jīng)過映射加入光流模型的正則化系數(shù)中，計算得到運動邊界平滑系數(shù)；

步驟105：根據(jù)運動邊界平滑系數(shù)重新計算前后兩幀圖像的運動光流場；

步驟106：循環(huán)執(zhí)行步驟103、步驟104和步驟105直至小波系數(shù)收斂，得到最終的室壁運動位移估計結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用光流法對所述多幀超聲圖像排序組合的前后兩幀圖像計算前后兩幀圖像的運動光流場包括：

對所述多幀超聲圖像排序組合的前后兩幀圖像的總能量函數(shù)進行最小化數(shù)值求解計算得到前后兩幀圖像的運動光流場，其中，前后兩幀圖像的總能量函數(shù)為E(u,v)＝E_gradient+E_color+αE_smooth，E_gradient和E_color相加代表數(shù)據(jù)項，E_smooth代表平滑項，α為大于零的正則化平滑系數(shù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，數(shù)據(jù)項E_color根據(jù)公式E_color(u,v)＝∫_ΩΨ(|I(x+w)-I(x)|²計算，數(shù)據(jù)項E_gradient根據(jù)公式計算，平滑項E_smooth根據(jù)公式/計算，其中，/ε為常數(shù)，x表示像素點A的位置，w表示像素點A的位移，/表示計算XY方向的導(dǎo)數(shù)。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，正則化平滑系數(shù)α采用公式計算，其中，α_g為全局信息權(quán)重，α_l為局部信息權(quán)重，I_x、I_y為圖像梯度。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述采用二維小波分析法對前后兩幀圖像的運動光流場進行分解與重構(gòu)并提取運動邊界信息包括：

根據(jù)公式f_j＝f_j-1+cmpt采用二維小波分析法對前后兩幀圖像的運動光流場進行分解與重構(gòu)并提取運動邊界信息，其中，f_j為原始信號f的最高近似系數(shù)，由f_j開始逐級分解為較低近似的近似部分f_j-1和小波分量cmpt。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，取小波分量cmpt中的高頻分量cmpt₄經(jīng)過函數(shù)映射得到光流估計中的非邊界平滑系數(shù)W_cmpt，根據(jù)公式α_i+1＝α_i+W_cmpt將運動邊界信息經(jīng)過映射加入光流模型的正則化系數(shù)中，計算得到運動邊界平滑系數(shù)。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述循環(huán)執(zhí)行步驟103、步驟104和步驟105直至小波系數(shù)收斂，得到最終的室壁運動位移估計結(jié)果，包括：

循環(huán)執(zhí)行步驟103、步驟104和步驟105直至相鄰兩次小波高頻分量差值收斂，得到最終的室壁運動位移估計結(jié)果。