[发明专利]一种基于PPG信号和图像增强的脉象分析方法

权利要求书

1.一种基于PPG信号和图像增强的脉象分析方法，其特征在于，包括以下步骤：

第一步骤：通过普通计算机摄像头采集人脸视频图像；

第二步骤：通过改进的图像增强算法对视频图像进行增强处理；

第三步骤：将增强后的视频图像的RGB通道分离；

第四步骤：ICA算法处理，并与G通道信号进行相关性分析得到PPG脉搏波信号；

第五步骤：脉搏波信号去噪；

第六步骤：求PPG脉搏波信号的各特征点；

第七步骤：将提取的脉搏波特征值输入KNN算法输出结果

第八步骤：脉象信号分类结果与标准数据库对比，判断病症。

2.根据权利要求1所述的基于PPG信号和图像增强的脉象分析方法，其特征在于：所述第一步骤中，使用普通电脑的摄像头采集人脸视频图像，采集信号者需要静坐于电脑前，露出前额，停留一段时间，禁止较大的肢体动作，保持自然的面部表情。

3.根据权利要求1所述的基于PPG信号和图像增强的脉象分析方法，其特征在于：所述第二步骤的具体流程如下：

步骤1：对图像的各通道进行修正的自动对比度拉伸；

步骤2：基于HSV的颜色空间的相互转换；

步骤3：对V分量进行分段的线性变换。

4.根据权利要求3所述的视频图像增强方法，其特征在于：所述对视频图像的各通道进行修正的自动对比度拉伸公式为：

其中分别代表低照度图像的像素值的两个阈值，可以通过下式得到：

上式中：0≤t_low,t_high≤1，t_low+t_high≤1。

5.根据权利要求3所述的视频图像增强方法，其特征在于：所述在HSV空间的V分量分段线性变换为：

对V分量的像素值按从小到大的顺序进行排序，得到排序后的向量记为V'＝h_M×N(x)，设对V'进行分段处理的参数为n，分段的像素个数为对每个分段V'_i设定一个像素的最小值和最大值对每一分段进行线性变换的表达式如下：线性变换后得到g(x)＝[g₀(x),g₁(x),Λ g_n(x)]，重构g(x)为M×N维矩阵V”＝|g(x,y)|，最后将图像从HSV空间转换到RGB空间得到增强后的视频图像。

6.根据权利要求1所述的一种基于PPG信号和图像增强的脉象分析方法，其特征在于：所述第四步骤中，所述ICA算法是把信号分离成统计独立的非高斯信号的信号源的线性组合，也就是从线性混合信号里恢复出基本的原信号。

7.根据权利要求1所述的基于PPG信号和图像增强的脉象分析方法，其特征在于：所述第五步骤中，所述脉搏波信号去噪是利用小波重构与经验模态分解(EMD)结合的方法，在小波变换进行分解后，将频带外的高频信号滤除，可有效滤除高频干扰，在利用小波变换方法对信号进行处理的过程中，小波基函数的选择十分重要，利用不同小波基函数对信号进行分解，可以突出不同特点的信号特征，在这里选取Sym8小波函数作为小波基对阈值函数进行分解，然后对小波分解后脉搏波信号频带内的小波系数，进一步做经验模态分解(EMD)方法的分解，得到新的小波系数。

8.根据权利要求1所述的基于PPG信号和图像增强的脉象分析方法，其特征在于：所述第六步骤中，求PPG脉搏波信号的各特征点，包括脉搏波的力度，脉搏波上升的快慢，脉搏波下降的快慢，一个周期脉搏波的宽度，重博波的力度，一分钟内脉搏波的周期数。

9.根据权利要求1所述的一种基于PPG信号和图像增强的脉象分析方法，其特征在于：所述第七步骤中，所述KNN算法是运用机器学习的聚类算法对脉象信号进行预测分类。

10.根据权利要求9所述的一种基于PPG信号和图像增强的脉象分析方法，其特征在于：所述第八步骤中是将预测分类结果与标准数据库对比，并判断脉象所代表的症状。