基于三维传感跟踪的运动损伤动作细节特征提取
周建伟
摘 要： 为了提高运动损伤病理诊断有效性，提出基于三维传感跟踪的运动损伤动作细节特征提取方法。采用三维传感跟踪识别方法进行运动损伤动作的图像采集，对采集的三维图像进行边缘轮廓检测和角点检测，提取反应运动损伤细节特征的关键特征点，采用损伤部位的形变位移估计方法实现运动损伤动作的统计信息特征提取和损伤程度评估，结合图像的块分割方法实现运动损伤动作细节特征提取。仿真结果表明，采用该方法进行运动损伤动作细节特征提取和三维传感跟踪识别，对运动损伤动作图像的特征表达能力较好，实现可视化的运动损伤病理诊断和治疗。
关键词： 三维传感跟踪； 图像采集； 运动损伤； 动作细节； 特征提取
中图分类号： TN911?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）20?0101?03
Abstract： In order to improve the effectiveness of pathological diagnosis of sports injury， a method of sports injury motion detail feature extraction based on 3D sensing tracking is proposed. The 3D sensing tracking and recognition method is used to carry out the image acquisition for the sports injury action. The edge contour detection and corner detection of the acquired 3D image are performed to extract the key feature points embodying the sports injury detail features. The deformational displacement estimation method for an injured part is used to extract the statistical information characteristics of the sports injury action and estimate the injury degree， and combined with the image block segmentation method to extract the motion detail feature of sports injury. The simulation results show that the method， used to perform the motion detail feature extraction and 3D sensing tracking recognition of sports injury， has high feature expression ability for sports injury motion image， and can realize the visual pathological diagnosis and treatment for sports injury.
Keywords： 3D sensing tracking； image acquisition； sports injury； motion detail； feature extraction
隨着图像处理技术的发展，采用图像特征分析和提取方法进行运动损伤治疗分析得到广泛应用。采用CT成像技术提取运动损伤部位的图像，结合三维图像重构和三维传感器跟踪方法进行运动损伤部位分析，可有效实现对运动损伤的诊断。对运动损伤病理分析和诊断的基础在于运动损伤动作细节特征提取[1]。当前，对运动损伤动作细节特征提取方法主要有灰度检测方法、角点匹配方和分块分割方法等[2]，对运动损伤图像的轮廓、边缘特征点进行准确标定和分块分割，进行图像的活动轮廓线标记，实现运动损伤动作细节特征提取，但上述方法存在收敛性不好和抗干扰能力不强等问题。对此，本文提出一种基于三维传感跟踪的运动损伤动作细节特征提取，采用损伤部位的形变位移估计方法实现运动损伤动作的统计信息特征提取和损伤程度评估，具有较好的应用效果。
1 运动损伤动作图像采集处理
1.1 三维传感跟踪采集
分析运动损伤动作图像的细节特征提取方法，首先采用三维传感跟踪采集方法进行原始运动损伤图像采集，采用三维传感器跟踪进行图像采集得到的运动损伤图像的轮廓长度为：
1.2 边缘轮廓检测和角点检测
在采用三维传感跟踪方法进行图像采集的基础上，进行图像的边缘轮廓检测和角点检测，提取反应运动损伤细节特征的关键特征点[4]，构建运动损伤细节动作特征重构的三维数据场，用图像向量量化特征表达式描述为：
2 运动损伤动作细节特征提取实现
运动损伤动作图像的动作细节特征量向量量化信息在[t]时刻的稀疏性特征分割阈值表示为[Ima（xt）=p（xtd0，1，2，…，t）]，其第[N]个运动损伤动作图像的成像像素分布值为：
在对运动损伤动作图像块分割处理后，计算图像在每个尺度下的边缘灰度值，并与当前灰度值进行比对，求得统计量[Econ]，采用损伤部位的形变位移估计方法实现运动损伤动作的统计信息特征提取和损伤程度评估[8]，得到形变位移估计值表达为：
3 仿真实验
基于Matlab图像处理工具进行仿真实验。实验中的运动损伤动作图像采集通过三维传感器跟踪识别方法实现，采集地点为某大型医院的骨科，运动损伤图像的细节动作特征的模板大小为200×200，灰度标准差σ取值范围为（0.25，2），图像三维传感跟踪识别的时间步长t=0.1 s，灰度总级数为280。根据上述仿真环境设定，进行运动损伤动作图像分析和细节动作特征提取仿真，得到两组图像的原始图像采集结果如图1所示。
以图2提取的运动损伤动作细节特征为数据基础，进行运动损伤动作的统计信息特征提取和损伤程度评估，实现损伤判断和治疗。为了定量分析本文方法的应用性能，以损伤点的准确判断率为测试指标，采用不同的判断方法，得到对比结果如图3所示。分析得知，采用本文方法进行运动损伤判断和治疗的准确性较高。
4 结 语
本文提出基于三维传感跟踪的运动损伤动作细节特征提取方法，并进行实验对比。研究表明，采用该方法进行运动损伤动作细节特征提取和三维传感跟踪识别，对运动损伤动作图像的特征表达能力较好，为实现可视化的运动损伤病理诊断和治疗奠定基础。
参考文献
[1] 程明，黄晓阳，黄绍辉，等.定向区域生长算法及其在血管分割中的应用[J].中国图象图形学报，2011，16（1）：44?49.
[2] 汤敏，陈秀梅，陈峰.基于Contourlet变换和SPHIHT算法的彩色医学图像压缩[J].计算机科学，2014，41（1）：303?306.
[3] 王建，王必宁，杨根善，等.基于形态学金字塔的医学图像融合技[J].兵工自动化，2014，31（1）：82?84.
[4] 江淮，赵惠昌，汉敏，等.基于扩展方位NLCS的斜视TOPSAR成像算法[J].电子与信息学报，2017，39（7）：1606?1611.
[5] 王骏飞，黄樟灿，TALAB A M A.一种针对图像细节优化的BM二值化方法[J].武汉理工大学学报，2014，36（8）：127?132.
[6] 鲁周迅，张彬彬.一种新的手背静脉分割方法[J].微电子学与计算机，2014，31（8）：25?28.
[7] 兰红，张璐.分水岭优化的Snake模型肝脏图像分割[J].中国图象图形学报，2012，17（7）：873?879.
[8] 杨军，李震宇，孙光才，等.一种新的大斜视TOPSSAR全孔径成像方法[J].西安电子科技大学学报，2015，42（1）：47?51.
摘 要： 为了提高运动损伤病理诊断有效性，提出基于三维传感跟踪的运动损伤动作细节特征提取方法。采用三维传感跟踪识别方法进行运动损伤动作的图像采集，对采集的三维图像进行边缘轮廓检测和角点检测，提取反应运动损伤细节特征的关键特征点，采用损伤部位的形变位移估计方法实现运动损伤动作的统计信息特征提取和损伤程度评估，结合图像的块分割方法实现运动损伤动作细节特征提取。仿真结果表明，采用该方法进行运动损伤动作细节特征提取和三维传感跟踪识别，对运动损伤动作图像的特征表达能力较好，实现可视化的运动损伤病理诊断和治疗。
关键词： 三维传感跟踪； 图像采集； 运动损伤； 动作细节； 特征提取
中图分类号： TN911?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）20?0101?03
Abstract： In order to improve the effectiveness of pathological diagnosis of sports injury， a method of sports injury motion detail feature extraction based on 3D sensing tracking is proposed. The 3D sensing tracking and recognition method is used to carry out the image acquisition for the sports injury action. The edge contour detection and corner detection of the acquired 3D image are performed to extract the key feature points embodying the sports injury detail features. The deformational displacement estimation method for an injured part is used to extract the statistical information characteristics of the sports injury action and estimate the injury degree， and combined with the image block segmentation method to extract the motion detail feature of sports injury. The simulation results show that the method， used to perform the motion detail feature extraction and 3D sensing tracking recognition of sports injury， has high feature expression ability for sports injury motion image， and can realize the visual pathological diagnosis and treatment for sports injury.
Keywords： 3D sensing tracking； image acquisition； sports injury； motion detail； feature extraction
隨着图像处理技术的发展，采用图像特征分析和提取方法进行运动损伤治疗分析得到广泛应用。采用CT成像技术提取运动损伤部位的图像，结合三维图像重构和三维传感器跟踪方法进行运动损伤部位分析，可有效实现对运动损伤的诊断。对运动损伤病理分析和诊断的基础在于运动损伤动作细节特征提取[1]。当前，对运动损伤动作细节特征提取方法主要有灰度检测方法、角点匹配方和分块分割方法等[2]，对运动损伤图像的轮廓、边缘特征点进行准确标定和分块分割，进行图像的活动轮廓线标记，实现运动损伤动作细节特征提取，但上述方法存在收敛性不好和抗干扰能力不强等问题。对此，本文提出一种基于三维传感跟踪的运动损伤动作细节特征提取，采用损伤部位的形变位移估计方法实现运动损伤动作的统计信息特征提取和损伤程度评估，具有较好的应用效果。
1 运动损伤动作图像采集处理
1.1 三维传感跟踪采集
分析运动损伤动作图像的细节特征提取方法，首先采用三维传感跟踪采集方法进行原始运动损伤图像采集，采用三维传感器跟踪进行图像采集得到的运动损伤图像的轮廓长度为：
1.2 边缘轮廓检测和角点检测
在采用三维传感跟踪方法进行图像采集的基础上，进行图像的边缘轮廓检测和角点检测，提取反应运动损伤细节特征的关键特征点[4]，构建运动损伤细节动作特征重构的三维数据场，用图像向量量化特征表达式描述为：
2 运动损伤动作细节特征提取实现
运动损伤动作图像的动作细节特征量向量量化信息在[t]时刻的稀疏性特征分割阈值表示为[Ima（xt）=p（xtd0，1，2，…，t）]，其第[N]个运动损伤动作图像的成像像素分布值为：
在对运动损伤动作图像块分割处理后，计算图像在每个尺度下的边缘灰度值，并与当前灰度值进行比对，求得统计量[Econ]，采用损伤部位的形变位移估计方法实现运动损伤动作的统计信息特征提取和损伤程度评估[8]，得到形变位移估计值表达为：
3 仿真实验
基于Matlab图像处理工具进行仿真实验。实验中的运动损伤动作图像采集通过三维传感器跟踪识别方法实现，采集地点为某大型医院的骨科，运动损伤图像的细节动作特征的模板大小为200×200，灰度标准差σ取值范围为（0.25，2），图像三维传感跟踪识别的时间步长t=0.1 s，灰度总级数为280。根据上述仿真环境设定，进行运动损伤动作图像分析和细节动作特征提取仿真，得到两组图像的原始图像采集结果如图1所示。
以图2提取的运动损伤动作细节特征为数据基础，进行运动损伤动作的统计信息特征提取和损伤程度评估，实现损伤判断和治疗。为了定量分析本文方法的应用性能，以损伤点的准确判断率为测试指标，采用不同的判断方法，得到对比结果如图3所示。分析得知，采用本文方法进行运动损伤判断和治疗的准确性较高。
4 结 语
本文提出基于三维传感跟踪的运动损伤动作细节特征提取方法，并进行实验对比。研究表明，采用该方法进行运动损伤动作细节特征提取和三维传感跟踪识别，对运动损伤动作图像的特征表达能力较好，为实现可视化的运动损伤病理诊断和治疗奠定基础。
参考文献
[1] 程明，黄晓阳，黄绍辉，等.定向区域生长算法及其在血管分割中的应用[J].中国图象图形学报，2011，16（1）：44?49.
[2] 汤敏，陈秀梅，陈峰.基于Contourlet变换和SPHIHT算法的彩色医学图像压缩[J].计算机科学，2014，41（1）：303?306.
[3] 王建，王必宁，杨根善，等.基于形态学金字塔的医学图像融合技[J].兵工自动化，2014，31（1）：82?84.
[4] 江淮，赵惠昌，汉敏，等.基于扩展方位NLCS的斜视TOPSAR成像算法[J].电子与信息学报，2017，39（7）：1606?1611.
[5] 王骏飞，黄樟灿，TALAB A M A.一种针对图像细节优化的BM二值化方法[J].武汉理工大学学报，2014，36（8）：127?132.
[6] 鲁周迅，张彬彬.一种新的手背静脉分割方法[J].微电子学与计算机，2014，31（8）：25?28.
[7] 兰红，张璐.分水岭优化的Snake模型肝脏图像分割[J].中国图象图形学报，2012，17（7）：873?879.
[8] 杨军，李震宇，孙光才，等.一种新的大斜视TOPSSAR全孔径成像方法[J].西安电子科技大学学报，2015，42（1）：47?51.
