本發(fā)明涉及圖像處理技術(shù)，特別涉及一種血管內(nèi)超聲圖像序列關(guān)鍵幀的提取方法。

背景技術(shù)：

血管內(nèi)超聲(intravascularultrasound，ivus)作為臨床上診斷血管內(nèi)病變的“金標(biāo)準(zhǔn)”之一，是進行微創(chuàng)介入治療的重要檢查手段。檢查過程中是將微型化的超聲探頭經(jīng)導(dǎo)管技術(shù)進入血管腔內(nèi)，顯示血管橫截面圖像。臨床采用的超聲導(dǎo)管回撤速率是0.5mm/s，采集速率為30幀/s，檢查一段長約15mm的血管回撤一次可采集900幀圖像，不僅圖像數(shù)據(jù)量大，而且相鄰幀之間的關(guān)聯(lián)性高，處理起來耗時、繁瑣和效率低下。關(guān)鍵幀是記錄血管內(nèi)有重大形態(tài)改變位置的幀，具有很強代表性且數(shù)量較總幀數(shù)少很多。所以對后期的圖像分析以及臨床診斷有很大幫助。

一般提取血管內(nèi)超聲圖像關(guān)鍵幀采用ecg門控和圖像門控技術(shù)，前者是利用ecg采集裝置在介入采集圖像過程中，在每個心動周期的同一時相(一般為r波)采集關(guān)鍵幀。但臨床設(shè)備缺少ecg門控圖像采集裝置以及延長介入時間限制了此方面的應(yīng)用；后者圖像門控技術(shù)彌補了ecg門控的不足，采用后處理的方式，代表性方法是o'malleysmn,carliersg,naghavim,etal.image-basedframegatingofivuspullbacks:asurrogateforecg[c]//acoustics,speechandsignalprocessing,2007.icassp2007.ieeeinternationalconferenceon.ieee,2007,1:i-433-i-436(基于圖像門控的ivus回撤：心電門控的替代法)，基本原理是通過計算圖像灰度特征的歸一化相關(guān)系數(shù)，作為各幀圖像之間相似度的衡量，構(gòu)建圖像序列的差異矩陣，通過分析差異矩陣的周期性結(jié)構(gòu)尋找心動周期中心臟舒張末期采集的一幀圖像作為關(guān)鍵幀，組成門控序列。但這種方法計算復(fù)雜，將幀之間的均方誤差作為相似性匹配準(zhǔn)則，對心率變化較大的ivus序列，受運動的干擾較大，提取的關(guān)鍵幀結(jié)果不佳。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供一種血管內(nèi)超聲圖像序列關(guān)鍵幀的提取方法，該方法對于心臟運動具有很強的魯棒性，能夠快速、準(zhǔn)確而有效地提取出將血管內(nèi)超聲圖像序列中的關(guān)鍵幀。

本發(fā)明的目的通過下述技術(shù)方案實現(xiàn)：一種血管內(nèi)超聲圖像序列關(guān)鍵幀的提取方法，步驟如下：

s1、采集血管內(nèi)超聲圖像序列，并且計算出血管內(nèi)超聲圖像序列中各幀圖像的zernike矩；

s2、針對于每幀圖像，計算出其與后一幀圖像zernike矩的歐式距離，將上述計算得到的歐式距離作為每幀圖像的距離特征值，然后根據(jù)每幀圖像的距離特征值構(gòu)造得到血管內(nèi)超聲圖像序列的一維距離特征函數(shù)；

s3、將血管內(nèi)超聲圖像序列的一維距離特征函數(shù)傅里葉變換到頻域空間上，通過該頻域空間獲取到血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率；根據(jù)圖像采集速率、血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率以及人體心率范圍確定出關(guān)鍵幀搜索范圍；同時構(gòu)造一維指數(shù)濾波器，通過一維指數(shù)濾波器針對步驟s2中構(gòu)造得到每幀圖像的距離特征值進行增強處理，得到每幀圖像增強的一維距離特征值；

s4、根據(jù)步驟s3中獲取到的血管內(nèi)超聲圖像序列中所有幀圖像增強的一維距離特征值，通過關(guān)鍵幀搜索范圍搜索出構(gòu)成全局最短路徑的各幀圖像，作為關(guān)鍵幀。

優(yōu)選的，血管內(nèi)超聲圖像序列中各幀圖像的zernike矩計算過程如下：

針對于血管內(nèi)超聲圖像序列中大小為n×n的各幀圖像，得到其zernike矩的實部和虛部分別如下：

其中

其中rnm(ρ)表示各幀圖像中像素點(x,y)處的徑向多項式，n和m為正交多項式的階數(shù)，n是非負整數(shù)，n-|m|是偶數(shù)，并且n≥|m|，s為階數(shù)變量；ci為血管內(nèi)超聲圖像序列中第i幀圖像的zernike矩的實部，si為血管內(nèi)超聲圖像序列中第i幀圖像的zernike矩的虛部；其中x和y分別表示各幀圖像中像素點的橫坐標(biāo)和縱坐標(biāo)；

fi(r,σ)是血管內(nèi)超聲圖像序列中第i幀圖像中極坐標(biāo)為(r,σ)處像素點對應(yīng)的灰度值；

其中上述公式中r和σ為引入的兩個參數(shù)，定義r＝max(|x|,|y|)；

當(dāng)|x|＝r，則

當(dāng)|y|＝r，則

通過參數(shù)r和σ獲取到像素點(x,y)對應(yīng)的極坐標(biāo)(ρ,θ)為：

ρ＝2r/n,θ＝πσ(4r)。

優(yōu)選的，步驟s2中每幀圖像的距離特征值d(i)為：

其中d(i)為血管內(nèi)超聲圖像序列中第i幀圖像的距離特征值，l表示步驟s1中采集的血管內(nèi)超聲圖像序列的長度，即血管內(nèi)超聲圖像序列中幀的總數(shù)；ci為血管內(nèi)超聲圖像序列中第i幀圖像的zernike矩的實部，ci+1為血管內(nèi)超聲圖像序列中第i+1幀圖像的zernike矩的實部，si為血管內(nèi)超聲圖像序列中第i幀圖像的zernike矩的虛部，si+1為血管內(nèi)超聲圖像序列中第i+1幀圖像的zernike矩的虛部。

優(yōu)選的，步驟s3中通過頻域空間獲取到血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率的具體方式為：在頻域空間中找到頻譜峰值，將該頻譜峰值對應(yīng)的頻率值作為血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率。

優(yōu)選的，步驟s3中根據(jù)圖像采集速率、血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率以及人體心率范圍確定出關(guān)鍵幀搜索范圍為：

l0＝(60×r)/r0；

l1＝(60×r)/r1；

l2＝(60×r)/r2；

其中△為關(guān)鍵幀搜索范圍，r為圖像采集速率，r0為血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率，r1～r2為人體心率范圍，l0為血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率r0所對應(yīng)的心動周期長度；l1～l2為人體心率范圍r1～r2所對應(yīng)的心動周期長度范圍。

優(yōu)選的，所述圖像采集速率r＝30幀/秒，所述人體心率范圍r1～r2為60～100次/分。

優(yōu)選的，步驟s3中構(gòu)造的一維指數(shù)濾波器h(δ)為：

步驟s3中獲取到的每幀圖像增強的距離特征值為：

其中l(wèi)表示步驟s1中采集的血管內(nèi)超聲圖像序列的長度，即血管內(nèi)超聲圖像序列中幀的總數(shù)；d(i)為血管內(nèi)超聲圖像序列中第i幀圖像的距離特征值；d(i)為第i幀圖像增強的距離特征值。

優(yōu)選的，步驟s4中獲取到關(guān)鍵幀的具體過程如下：

s41、首先從血管內(nèi)超聲圖像序列的所有幀圖像增強的距離特征值中選取出其中的最小值、第一局部最小值和最后一個局部最小值；

s42、將第一局部最小值對應(yīng)圖像幀作為當(dāng)前起點納入最短路徑中，然后根據(jù)該起點和關(guān)鍵幀搜索范圍搜索到多幀圖像，將搜索到的這些圖像分別作為待搜索項；

s43、通過評估函數(shù)計算各待搜索項的評估函數(shù)值，將評估函數(shù)值為0的待搜索項進行剔除，得到最終的待搜索項，然后進入步驟s44；

s44、針對于步驟s43得到的最終的待搜索項中每幀圖像，分別將其增強的距離特征值與當(dāng)前最短路徑中各幀圖像增強的距離特征值進行累加；然后將累加值最小的對應(yīng)待搜索項圖像幀選取出來納入當(dāng)前最短路徑中；

s45、將步驟s44中選取出來的累加值最小的對應(yīng)待搜索項圖像幀作為當(dāng)前起點，并且根據(jù)該起點和關(guān)鍵幀搜索范圍搜索到多幀圖像，將搜索到的這些圖像分別作為待搜索項；判斷待搜索項中是否包括步驟s41中選取出的最小值對應(yīng)幀圖像，若是，則進入步驟s46，若否，則進入步驟s43；

s46、將最小值對應(yīng)圖像幀作為當(dāng)前起點納入當(dāng)前最短路徑中，然后根據(jù)該起點和關(guān)鍵幀搜索范圍搜索到多幀圖像，將搜索到的這些圖像分別作為待搜索項；

s47、通過評估函數(shù)計算步驟s46中獲取的各待搜索項的評估函數(shù)值，將評估函數(shù)值為0的待搜索項進行剔除，得到最終的待搜索項，然后進入步驟s48；

s48、針對于步驟s47得到的最終的待搜索項中每幀圖像，分別將其增強的距離特征值與當(dāng)前最短路徑中各幀圖像增強的距離特征值進行累加；然后將累加值最小的對應(yīng)待搜索項圖像幀選取出來納入最短路徑中；

s49、將步驟s48中選取出來的累加值最小的對應(yīng)待搜索項圖像幀作為當(dāng)前起點，然后根據(jù)該起點和關(guān)鍵幀搜索范圍搜索到多幀圖像，將搜索到的這些圖像分別作為待搜索項；判斷待搜索項中是否包括步驟s41中選取出的最后一個局部最小值對應(yīng)幀圖像，若否，則進入步驟s47，若是，則結(jié)束搜索，將上述構(gòu)成全局最短路徑的各幀圖像作為關(guān)鍵幀。

更進一步的，所述步驟s43和步驟s47中通過評估函數(shù)計算待搜索項的評估函數(shù)值的具體過程如下：

其中l(wèi)表示步驟s1中采集的血管內(nèi)超聲圖像序列的長度，即血管內(nèi)超聲圖像序列中幀的總數(shù)；d(i)為血管內(nèi)超聲圖像序列中第i幀圖像的增強的距離特征值，當(dāng)步驟s43或步驟s47中血管內(nèi)超聲圖像序列中第i幀圖像為待搜索項時，則通過評估函數(shù)計算出第i幀圖像的評估函數(shù)值為f(i)，當(dāng)f(i)為0時，則將該待搜索項剔除，當(dāng)f(i)為1時，則保留該待搜索項。

優(yōu)選的，步驟s4中獲取到關(guān)鍵幀的具體過程如下：

s41、首先從血管內(nèi)超聲圖像序列的所有幀圖像增強的距離特征值中選取出其中的最小值、第一局部最小值和最后一個局部最小值；

s42、將第一局部最小值對應(yīng)圖像幀作為當(dāng)前起點納入最短路徑中，然后根據(jù)該起點和關(guān)鍵幀搜索范圍搜索到多幀圖像，將搜索到的這些圖像分別作為待搜索項；

s43、針對于步驟s42得到的待搜索項中每幀圖像，分別將其增強的距離特征值與當(dāng)前最短路徑中各幀圖像增強的距離特征值進行累加；然后將累加值最小的對應(yīng)待搜索項圖像幀選取出來納入當(dāng)前最短路徑中；

s44、將步驟s43中選取出來的累加值最小的對應(yīng)待搜索項圖像幀作為當(dāng)前起點，并且根據(jù)該起點和關(guān)鍵幀搜索范圍，獲取到多幀圖像作為待搜索項；判斷待搜索項中是否包括步驟s41中選取出的最小值對應(yīng)幀圖像，若是，則進入步驟s45，若否，則進入步驟s43；

s45、將最小值對應(yīng)圖像幀作為當(dāng)前起點納入最短路徑，然后根據(jù)該起點和關(guān)鍵幀搜索范圍搜索到多幀圖像，將搜索到的這些圖像分別作為待搜索項；

s46、針對于步驟s45得到的待搜索項中每幀圖像，分別將其增強的距離特征值與當(dāng)前最短路徑中各幀圖像增強的距離特征值進行累加；然后將累加值最小的對應(yīng)待搜索項圖像幀選取出來納入當(dāng)前最短路徑中；

s47、將步驟s46中選取出來的累加值最小的對應(yīng)待搜索項圖像幀作為當(dāng)前起點，并且根據(jù)該起點和關(guān)鍵幀搜索范圍，獲取到多幀圖像作為待搜索項；判斷待搜索項中是否包括步驟s41中選取出的最后一個局部最小值對應(yīng)幀圖像，若否，則進入步驟s46，若是，則結(jié)束搜索，將上述構(gòu)成全局最短路徑的各幀圖像作為關(guān)鍵幀。

本發(fā)明相對于現(xiàn)有技術(shù)具有如下的優(yōu)點及效果：

(1)本發(fā)明血管內(nèi)超聲圖像序列關(guān)鍵幀的提取方法首先計算出采集的血管內(nèi)超聲圖像序列中各幀圖像的zernike矩，針對于每幀圖像，將其與后一幀圖像zernike矩的歐式距離作為每幀圖像的距離特征值，根據(jù)每幀圖像的距離特征值構(gòu)造得到血管內(nèi)超聲圖像序列的一維距離特征函數(shù)；通過血管內(nèi)超聲圖像序列的一維距離特征函數(shù)頻域空間獲取到檢查對象的心率，然后根據(jù)圖像采集速率、檢查對象的心率以及人體心率范圍確定出關(guān)鍵幀搜索范圍；同時通過一維指數(shù)濾波器對每幀圖像的距離特征值進行增強處理，得到每幀圖像增強的距離特征值；根據(jù)血管內(nèi)超聲圖像序列中所有幀圖像增強的一維距離特征值，根據(jù)關(guān)鍵幀搜索范圍搜索出構(gòu)成全局最短路徑的各幀圖像，作為關(guān)鍵幀。其中相鄰幀之間zernike矩的歐氏距離反映了圖像整體灰度變化，本發(fā)明采用zernike矩的歐式距離構(gòu)造的一維距離特征函數(shù)，能夠代表相鄰幀的差異度，由于zernike矩具有旋轉(zhuǎn)不變性，因此，它對于血管內(nèi)超聲圖像采集過程中因心臟或?qū)Ч艿倪\動產(chǎn)生的圖像位移，具有更強的魯棒性。另外，本發(fā)明方法通過一維指數(shù)濾波器對每幀圖像的距離特征值進行濾波增強處理，從而實現(xiàn)對關(guān)鍵幀所在的局部最小值進行增強，抑制非關(guān)鍵幀所在的局部最小值點，因此能夠?qū)⒏訙?zhǔn)確、快速、有效的將血管內(nèi)超聲圖像中處于心臟舒張末期、心臟運動最慢時的關(guān)鍵幀提取出來。

(2)本發(fā)明根據(jù)每幀圖像增強的距離特征值，通過關(guān)鍵幀搜索范圍搜索出全局構(gòu)成最短路徑的各幀圖像，該最短路徑以第一局部最小值對應(yīng)圖像幀圖像作為最初起點，以最后一個局部最小值對應(yīng)圖像作為終點；具體過程為：從起點出發(fā)，初始最短路徑為0，根據(jù)起點和關(guān)鍵幀搜索范圍確定出待搜索項，每次在待搜索項中選取出與最短路徑中所有幀圖像增強的距離特征值累計值最小的圖像幀，將該圖像幀納入最短路徑，并且將其作為當(dāng)前起點進行下一次搜索，直到搜索范圍包含終點時結(jié)束搜索。本發(fā)明通過最短路徑的方式搜索出關(guān)鍵幀，具有關(guān)鍵幀搜索更加準(zhǔn)確的優(yōu)點。并且在搜索過程中，本發(fā)明方法采取了評估函數(shù)，通過評估函數(shù)減少搜索范圍內(nèi)的待搜索項，降低了搜索全局最短路徑時的計算復(fù)雜度，進一步提高關(guān)鍵幀提取的速度。

附圖說明

圖1是本發(fā)明方法流程圖。

圖2是本發(fā)明方法中構(gòu)造血管內(nèi)超聲圖像序列的一維距離特征函數(shù)圖。

圖3是本發(fā)明方法中一維指數(shù)濾波器波形圖。

圖4是本發(fā)明方法血管內(nèi)超聲圖像序列的增強的一維距離特征函數(shù)圖。

圖5是在圖4基礎(chǔ)上標(biāo)注(如圖中小圓點所示)出關(guān)鍵幀所在位置的血管內(nèi)超聲圖像序列的增強的一維距離特征函數(shù)圖。

圖6a是本發(fā)明方法采集的血管內(nèi)超聲圖像序列縱向圖。

圖6b是本發(fā)明方法從圖6a所示的血管內(nèi)超聲圖像序列中提取的關(guān)鍵幀序列縱向圖。

具體實施方式

下面結(jié)合實施例及附圖對本發(fā)明作進一步詳細的描述，但本發(fā)明的實施方式不限于此。

實施例1

本實施例公開了一種血管內(nèi)超聲圖像序列關(guān)鍵幀的提取方法，如圖1所示，步驟如下：

s1、采集血管內(nèi)超聲圖像序列，并且計算出血管內(nèi)超聲圖像序列中各幀圖像的zernike矩；本實施例中血管內(nèi)超聲圖像序列中各幀圖像的zernike矩計算過程如下：

針對于血管內(nèi)超聲圖像序列中大小為n×n的各幀圖像，得到其zernike矩的實部和虛部分別如下：

其中

其中rnm(ρ)表示各幀圖像中像素點(x,y)處的徑向多項式，n和m為正交多項式的階數(shù)，n是非負整數(shù)，n-|m|是偶數(shù)，并且n≥|m|，s為階數(shù)變量；ci為血管內(nèi)超聲圖像序列中第i幀圖像的zernike矩的實部，si為血管內(nèi)超聲圖像序列中第i幀圖像的zernike矩的虛部；其中x和y分別表示各幀圖像中像素點的橫坐標(biāo)和縱坐標(biāo)；在本實施例中采集的血管內(nèi)超聲圖像序列的各幀圖像的大小為512×512，即n為512。

fi(r,σ)是血管內(nèi)超聲圖像序列中第i幀圖像中極坐標(biāo)為(r,σ)處像素點對應(yīng)的灰度值；

其中上述公式中r和σ為引入的兩個參數(shù)，定義r＝max(|x|,|y|)；

當(dāng)|x|＝r，則

當(dāng)|y|＝r，則

通過參數(shù)r和σ獲取到像素點(x,y)對應(yīng)的極坐標(biāo)(ρ,θ)為：

ρ＝2r/n,θ＝πσ(4r)。

s2、針對于每幀圖像，計算出其與后一幀圖像zernike矩的歐式距離，將上述計算得到的歐式距離作為每幀圖像的距離特征值，然后根據(jù)每幀圖像的距離特征值構(gòu)造得到血管內(nèi)超聲圖像序列的一維距離特征函數(shù)；每幀圖像的距離特征值d(i)為：

其中d(i)為血管內(nèi)超聲圖像序列中第i幀圖像的距離特征值，l表示步驟s1中采集的血管內(nèi)超聲圖像序列的長度，即血管內(nèi)超聲圖像序列中幀的總數(shù)；ci為血管內(nèi)超聲圖像序列中第i幀圖像的zernike矩的實部，ci+1為血管內(nèi)超聲圖像序列中第i+1幀圖像的zernike矩的實部，si為血管內(nèi)超聲圖像序列中第i幀圖像的zernike矩的虛部，si+1為血管內(nèi)超聲圖像序列中第i+1幀圖像的zernike矩的虛部。

如圖2所示為本實施例中血管內(nèi)超聲圖像序列中每幀圖像的距離特征值構(gòu)造得到的一維距離特征函數(shù)。

s3、將血管內(nèi)超聲圖像序列的一維距離特征函數(shù)傅里葉變換到頻域空間上，通過該頻域空間獲取到血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率；根據(jù)圖像采集速率、血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率以及人體心率范圍確定出關(guān)鍵幀搜索范圍；同時構(gòu)造一維指數(shù)濾波器，通過一維指數(shù)濾波器針對步驟s2中構(gòu)造得到每幀圖像的距離特征值進行增強處理，得到每幀圖像增強的一維距離特征值；

本步驟中通過頻域空間獲取到血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率的具體方式為：在頻域空間中找到頻譜峰值，將該頻譜峰值對應(yīng)的頻率值作為血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率。

本步驟中根據(jù)圖像采集速率、血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率以及人體心率范圍確定出關(guān)鍵幀搜索范圍為：

l0＝(60×r)/r0；

l1＝(60×r)/r1；

l2＝(60×r)/r2；

其中△為關(guān)鍵幀搜索范圍，r為圖像采集速率，r0為血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率，r1～r2為人體心率范圍，l0為血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率r0所對應(yīng)的心動周期長度；l1～l2為人體心率范圍r1～r2所對應(yīng)的心動周期長度范圍。在本實施例中圖像采集速率r＝30幀/秒，所述人體心率范圍r1～r2為60～100次/分。在本實施例中當(dāng)獲取到血管內(nèi)超聲圖像序列對應(yīng)檢查對象的心率為71次/秒，則確定出的關(guān)鍵幀搜索范圍為18～30幀。

本步驟中構(gòu)造的一維指數(shù)濾波器h(δ)為：

步驟s3中獲取到的每幀圖像增強的距離特征值為：

其中l(wèi)表示步驟s1中采集的血管內(nèi)超聲圖像序列的長度，即血管內(nèi)超聲圖像序列中幀的總數(shù)；d(i)為血管內(nèi)超聲圖像序列中第i幀圖像的距離特征值；d(i)為第i幀圖像增強的距離特征值。在本實施例中取一維指數(shù)濾波器h(δ)中心點周圍長度為20，如圖3所示為本實施例所采用的一維指數(shù)濾波器h(δ)。本實施例中，若將如圖2所示的血管內(nèi)超聲圖像序列的一維距離特征函數(shù)進行如圖3所示的一維指數(shù)濾波器h(δ)的濾波增強處理，則得到血管內(nèi)超聲圖像序列的增強的一維距離特征函數(shù)如圖4所示，其中圖4中每幀圖像對應(yīng)增強的距離特征值即為每幀圖像的距離特征值進行濾波增強處理后得到的。

s4、根據(jù)步驟s3中獲取到的血管內(nèi)超聲圖像序列中所有幀圖像增強的一維距離特征值，通過關(guān)鍵幀搜索范圍搜索出構(gòu)成全局最短路徑的各幀圖像，將構(gòu)成全局最短路徑的各幀圖像作為關(guān)鍵幀進行提取。

本步驟中獲取到關(guān)鍵幀的具體過程如下：

s41、首先從血管內(nèi)超聲圖像序列的所有幀圖像增強的距離特征值中選取出其中的最小值、第一局部最小值和最后一個局部最小值；

s42、將第一局部最小值對應(yīng)圖像幀作為當(dāng)前起點納入最短路徑中，然后根據(jù)該起點和關(guān)鍵幀搜索范圍搜索到多幀圖像，將搜索到的這些圖像分別作為待搜索項；

s43、通過評估函數(shù)計算各待搜索項的評估函數(shù)值，將評估函數(shù)值為0的待搜索項進行剔除，得到最終的待搜索項，然后進入步驟s44；

s44、針對于步驟s43得到的最終的待搜索項中每幀圖像，分別將其增強的距離特征值與當(dāng)前最短路徑中各幀圖像增強的距離特征值進行累加；然后將累加值最小的對應(yīng)待搜索項圖像幀選取出來，納入當(dāng)前最短路徑中；例如最終的待搜索項中其中一幀圖像增強的距離特征值為d(a)，而當(dāng)前最短路徑中各幀圖像增強的距離特征值分別為d(b)、d(c)，、、、、，d(h)，則當(dāng)最終的待搜索項中這幀圖像增強的距離特征值與當(dāng)前最短路徑中各幀圖像增強的距離特征值進行累加時，得到的累加值為d(a)+d(b)+d(c)+,...,d(h)；

s45、將步驟s44中選取出來的累加值最小的對應(yīng)待搜索項圖像幀作為當(dāng)前起點，并且根據(jù)該起點和關(guān)鍵幀搜索范圍搜索到多幀圖像，將搜索到的這些圖像分別作為待搜索項；判斷待搜索項中是否包括步驟s41中選取出的最小值對應(yīng)幀圖像，若是，則進入步驟s46，若否，則進入步驟s43；

s46、將最小值對應(yīng)圖像幀作為當(dāng)前起點納入當(dāng)前最短路徑中，然后根據(jù)該起點和關(guān)鍵幀搜索范圍搜索到多幀圖像，將搜索到的這些圖像分別作為待搜索項；

s47、通過評估函數(shù)計算步驟s46中獲取的各待搜索項的評估函數(shù)值，將評估函數(shù)值為0的待搜索項進行剔除，得到最終的待搜索項，然后進入步驟s48；

s48、針對于步驟s47得到的最終的待搜索項中每幀圖像，分別將其增強的距離特征值與當(dāng)前最短路徑中各幀圖像增強的距離特征值進行累加；然后將累加值最小的對應(yīng)待搜索項圖像幀選取出來納入最短路徑中；

s49、將步驟s48中選取出來的累加值最小的對應(yīng)待搜索項圖像幀作為當(dāng)前起點，然后根據(jù)該起點和關(guān)鍵幀搜索范圍搜索到多幀圖像，將搜索到的這些圖像分別作為待搜索項；判斷待搜索項中是否包括步驟s41中選取出的最后一個局部最小值對應(yīng)幀圖像，若否，則進入步驟s47，若是，則結(jié)束搜索，將上述構(gòu)成全局最短路徑的各幀圖像作為關(guān)鍵幀進行提取。

本實施例上述步驟s43和步驟s47中通過評估函數(shù)計算待搜索項的評估函數(shù)值的具體過程如下：

其中l(wèi)表示步驟s1中采集的血管內(nèi)超聲圖像序列的長度，即血管內(nèi)超聲圖像序列中幀的總數(shù)；d(i)為血管內(nèi)超聲圖像序列中第i幀圖像的增強的距離特征值，當(dāng)步驟s43或步驟s47中血管內(nèi)超聲圖像序列中第i幀圖像為待搜索項時，則通過評估函數(shù)計算出第i幀圖像的評估函數(shù)值為f(i)，當(dāng)f(i)為0時，則將該待搜索項剔除，當(dāng)f(i)為1時，則保留該待搜索項。

在如圖4所示的血管內(nèi)超聲圖像序列對應(yīng)的每幀幀圖像增強的距離特征值下，本實施例上述步驟s41中選取出的最小值、第一局部最小值和最后一個局部最小值分別位于第121幀、第25幀和第1106幀圖像；當(dāng)采用的關(guān)鍵搜索范圍為18～30幀時，在最初起點第25幀時，則得到的待搜索項為第43幀至第55幀圖像，為第一次得到的待搜索項，依次類推，若當(dāng)前起點為第x幀，則得到的待搜索項為第x+18幀至第x+30幀。通過本實施例上述方法，提取到49幀關(guān)鍵幀。如圖5中的圓圈所示即為關(guān)鍵幀圖像在增強的一維距離特征函數(shù)中的位置，這些幀即為構(gòu)造全局最短路徑的圖像。

如圖6a所示為本實施例中原始采集的血管內(nèi)超聲圖像序列，通過本發(fā)明方法提取出的關(guān)鍵幀如圖6b所示。

實施例2

本實施例公開了一種血管內(nèi)超聲圖像序列關(guān)鍵幀的提取方法，與實施例1的區(qū)別僅僅在于步驟s4中獲取關(guān)鍵幀具體過程不同，本實施例步驟s4中獲取到關(guān)鍵幀的具體過程如下：

s41、首先從血管內(nèi)超聲圖像序列的所有幀圖像增強的距離特征值中選取出其中的最小值、第一局部最小值和最后一個局部最小值；

s42、將第一局部最小值對應(yīng)圖像幀作為當(dāng)前起點納入最短路徑中，然后根據(jù)該起點和關(guān)鍵幀搜索范圍搜索到多幀圖像，將搜索到的這些圖像分別作為待搜索項；

s43、針對于步驟s42得到的待搜索項中每幀圖像，分別將其增強的距離特征值與當(dāng)前最短路徑中各幀圖像增強的距離特征值進行累加；然后將累加值最小的對應(yīng)待搜索項圖像幀選取出來納入當(dāng)前最短路徑中；

s44、將步驟s43中選取出來的累加值最小的對應(yīng)待搜索項圖像幀作為當(dāng)前起點，并且根據(jù)該起點和關(guān)鍵幀搜索范圍，獲取到多幀圖像作為待搜索項；判斷待搜索項中是否包括步驟s41中選取出的最小值對應(yīng)幀圖像，若是，則進入步驟s45，若否，則進入步驟s43；

s45、將最小值對應(yīng)圖像幀作為當(dāng)前起點納入最短路徑，然后根據(jù)該起點和關(guān)鍵幀搜索范圍搜索到多幀圖像，將搜索到的這些圖像分別作為待搜索項；

s46、針對于步驟s45得到的待搜索項中每幀圖像，分別將其增強的距離特征值與當(dāng)前最短路徑中各幀圖像增強的距離特征值進行累加；然后將累加值最小的對應(yīng)待搜索項圖像幀選取出來納入當(dāng)前最短路徑中；

s47、將步驟s46中選取出來的累加值最小的對應(yīng)待搜索項圖像幀作為當(dāng)前起點，并且根據(jù)該起點和關(guān)鍵幀搜索范圍，獲取到多幀圖像作為待搜索項；判斷待搜索項中是否包括步驟s41中選取出的最后一個局部最小值對應(yīng)幀圖像，若否，則進入步驟s46，若是，則結(jié)束搜索，將上述構(gòu)成全局最短路徑的各幀圖像作為關(guān)鍵幀進行提取。

上述實施例為本發(fā)明較佳的實施方式，但本發(fā)明的實施方式并不受上述實施例的限制，其他的任何未背離本發(fā)明的精神實質(zhì)與原理下所作的改變、修飾、替代、組合、簡化，均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護范圍之內(nèi)。