一种卫勤医学地理信息建模方法、建模平台

背景技术

本发明涉及智慧医疗技术领域，具体涉及一种卫勤医学地理信息建模方法、建模平台。

技术领域

卫生勤务是指部队卫生勤务人员运用医学理论、技术、装备和设施等为其成员健康服务的专业组织及其所进行的工作，简称“卫勤”。卫勤得到基本任务是维护和促进军队成员健康，巩固和提高部队战斗力。卫勤通常包括卫生防病、医疗保健、卫生防护、药材保障、医学训练、医学科研、卫勤管理等专业工作。需要有关部门协同，专业保障机构负责实施，军队成员具体参与。然而，在现有的卫勤保障体系中，由于缺乏有效的大数据库和卫勤信息分析系统，导致数据资源分散，信息融合程度差，尤其像我国的新疆维吾尔自治区，国土面积宽广，各部队驻地卫勤基本上各自为战，在面对部队传染病预防治疗、疾病与地理信息的关系(例如有的驻地军队成员容易发生急慢性消化道疾病，而有的驻地，由于水源问题，容易泌尿系统货消化系统疾病)时，卫勤人员往往只能通过咨询专家学者，查询医药书籍解决，难以从整体上解决问题。由此可见，由于缺乏综合性的大数据分析，导致边远地区驻地的卫勤效率、卫勤服务质量较低。

发明内容

为了解决上述背景技术中提及的技术难题，本发明提出了一种卫勤医学地理信息建模方法、建模平台，具体技术方案如下：

一种卫勤医学地理信息建模方法，包含如下步骤：

步骤S1：通过卫星遥感获取原始影像图像；所述原始影像图像包括卫星遥感获取的是边防区域内的遥感影像数据以及该边防区域内部队驻地范围的DEM数据，并对上述数据进行整合、分类。

步骤S2：图像预处理：对原始影像图像进行数据校准与坐标投影转换；

步骤S3：进行精度检测，当校准精度不满足要求时，返回步骤S2，当校准精度满足要求时，进入步骤S4；

步骤S4：数据拼接：对相邻的影像图像进行无缝拼接处理，在保持地物连续一致性的基础上，去除重叠区多余影像、伪影，从而形成全景影像图像；

上述数据拼接的过程还包括步骤S41～S43：

步骤S41：将全色单景与多光谱单景进行拼接，在此基础上，在每景影像图像间寻找连接点，误差控制在3％以内，所有影像图像都导入工程后开始搜寻每景影像间的连接点，在处理步骤中选择GCP/TP，导入影像DEM，其他选项按默认选择，选择“连接点”开始自动跑连接点；

步骤S42：计算Res值，将Res值大于3的值选中并删除，通过K-means算法对连接点进行邻域搜索，并通过设置第一阈值判断连接点是否均匀分布，若是，连接点均匀分布在两景图像的交界处，则无需处置，将数据按第一数据格式压缩后进行保存，若否，则再次选择GCP/TP，导入连接点分布不均匀的两景影像DEM，进行像素化处理得到像素单元，通过Kd-tree算法在两景图像上分别进行关键节点查询，判断是否有关键的相同节点，如是，则选择“连接点”进行连接；

步骤S43：在步骤S42的基础上，通过高通滤波算法去除重叠区多余影像、伪影，从而得到全景影像图像，完成数据拼接；

步骤S5：对数据拼接质量进行检查，如果满足要求，进入步骤S6，如数据拼接精度不满足要求，则返回步骤S4，再次进行数据拼接；

步骤S6：对影像图像进行调色处理，融合后的原始影像色调，还原地物真实色彩或根据不同应用对象的需求，达到预期的地物色彩；

步骤S7：数据融合：通过改进的Pansharp算法，将多光谱遥感影像数据集与调色处理后的全色影像数据进行融合，以达到全色和多光谱数据优势互补，增强空间细节，减少颜色失真，形成对地面目标较完整的信息描述地图；

步骤S7中，又包含以下细分步骤S71～S73：

步骤S71：首先对MS图像进行重采样和插值得到LRMS图像，然后采用加权平均的方法从LRMS图像中分离出I分量。

步骤S72：对PAN图像进行细节提取，并通过引导滤波器保证细节变化趋势与LRMS图像一致，对空间缩放系数β

步骤S73：在步骤S72的基础上，提取的细节被输入到LRMS图像中，并通过光谱调制参数α

步骤S74：将光谱调制参数α

步骤S8：在数据融合的基础上，将融合后的数据压缩后，导入数据库。

在所述一种卫勤医学地理信息建模方法的基础上，进一步提出了一种卫勤医学地理信息建模平台：

一种卫勤医学地理信息建模平台，包括卫星遥感影像采集单元、DEM数据采集单元、图像数据处理单元、专题数据库录入单元、数据库以及前端平台，其中，卫星遥感影像采集单元、DEM数据采集单元均与图像数据处理单元通信连接，图像数据处理单元与数据库电连接，数据库与前端平台通信连接。

所述前端平台包括卫勤保障平台、疾病管理平台、药物保障平台、水源水质平台以及系统管理平台。且疾病管理平台与药物保障平台之间能够实现数据共享。

所述专题数据库录入单元根据录入的数据，对营区数据、常见疾病(包括训练伤病、心理疾病、自然疫源性疾病和传染病)、药物保障与供应、医疗后送、水源水质数据进行整理，标注标签，并导入数据库中，与数据库中的信息描述地图进行二次融合，即将相应的标注标签与地理信息坐标、地面信息描述进行结合。

综上所述，本发明的一种卫勤医学地理信息建模方法、建模平台，与现有技术相比，其优点在于：

1)本发明提出的一种卫勤医学地理信息建模方法，对地理信息数据进行图像预处理、数据拼接、调色，数据融合等处理后，得到了高质量的、且能够连续浏览的边防区域地图，为高效、准确的数据融合提供了保障；

2)相对于现有技术基于GIS图像单一的调参方式和图像融合方式，本发明在数据拼接过程中，结合K-means算法和Kd-tree算法，实现对连接点的搜索，并针对不均匀的连接点，进行查询重配，提高了数据拼接的质量；

3)本发明从多目标角度出发，建立参数化模型，通过改进的Pansharp算法，在将细节融入并增强多光谱图像的边缘和纹理同时，通过光谱调制对多光谱图像进行全色锐化，因而可以最大化融合图像中所有像素质量，消除了细节注入的不利影响；

4)本发明将融合地理信息的图像数据导入数据库中，并将专题数据录入数据库中与地理信息图像进行二次融合，在已建好的数据库的基础上，开发出多个前端平台，将卫勤、疾病数据、药物保障数据、水源水质数据、系统管理数据在地图上进行可视化展示，进而提高了边远地区驻地的卫勤效率以及卫勤服务质量。

附图说明

图1为本发明的一种卫勤医学地理信息建模方法流程框图；

图2为本发明的改进的Pansharp算法框图；

图3为本发明的一种卫勤医学地理信息资源位置分布示意图；

图4为本发明的卫勤医学卫勤保障平台资源分布分析界面；

图5为本发明的卫勤医学疾病管理平台统计分析界面；

具体实施方式

实施例1

请考察图1所示，一种卫勤医学地理信息建模方法，包含如下步骤：

步骤S1：通过卫星遥感获取原始影像图像；

所述原始影像图像包括卫星遥感获取的是边防区域内的遥感影像数据(数据精度为0.5～2m)以及该边防区域内部队驻地范围的DEM数据(即数字高程模型，30m)，并对上述数据进行整合、分类。

步骤S2：图像预处理：对原始影像图像进行数据校准与坐标投影转换；通过图像预处理统一数据坐标系，便于后续使用；

由于影像拍摄时，因地形等因素会产生几何变形，导致真实的空间坐标与地形地貌点出现数据错位，为了赋予数据真实的空间坐标，以供用户使用，因此需要数据校准过程。例如合理分布的校正控制点，这些点可从已有控制资料(如地形图)通过内业转点方法选取、也可以用野外实测获得。对于高分辨遥感影像的几何校正，内业转点一般采用大比例尺地形图，如1：500或1：1000的地形图；野外实测一般采用GPS定位测量方法完成。

步骤S3：进行精度检测，当校准精度不满足要求时，返回步骤S2，当校准精度满足要求时，进入步骤S4；

数据质量包括：有无数据缺失、有无云层遮盖等。在数据校准后，因对校准后的影像进行精度评价(RMS误差小于1个像元)，只有在满足要求的情况下才能进行下一步工作，否则需要重新数据校准。

步骤S4：数据拼接：对相邻的影像图像进行无缝拼接处理，在保持地物连续一致性的基础上，去除重叠区多余影像、伪影，从而形成全景影像图像；

上述数据拼接的过程还包括步骤S41～S43：

步骤S41：将全色与多光谱单景进行拼接，在此基础上，每景影像图像间寻找连接点，误差控制在3％以内，所有影像图像都导入工程后开始搜寻每景影像间的连接点，在处理步骤中选择GCP/TP，导入影像DEM，其他选项按默认选择，选择“连接点”开始自动跑连接点；

步骤S42：计算Res值，将Res值(Res值为复变函数中的留数)大于3的值选中并删除，通过K-means算法对连接点进行邻域搜索，并通过设置第一阈值判断连接点是否均匀分布，若是，连接点均匀分布在两景图像的交界处，则无需处置，将数据按第一数据格式压缩后进行保存，若否，则再次选择GCP/TP，导入连接点分布不均匀的两景影像DEM，进行像素化处理得到像素单元，每个像素单元自动添加大地坐标系编号和RGB真色彩值，通过Kd-tree算法在两景图像上分别进行关键节点查询，判断是否有关键的相同节点，如是，则选择“连接点”进行连接；

步骤S43：在步骤S42的基础上，通过高通滤波算法去除重叠区多余影像、伪影，从而得到全景影像图像，完成数据拼接；

步骤S5：对数据拼接质量进行检查，如果满足要求，进入步骤S6，如数据拼接精度不满足要求，则返回步骤S4，再次进行数据拼接；

步骤S6：对影像图像进行调色处理，融合后的原始影像色调，还原地物真实色彩或根据不同应用对象的需求，达到预期的地物色彩；

步骤S7：数据融合：通过改进的Pansharp算法，将多光谱遥感影像数据集与调色处理后的全色影像数据进行融合，以达到全色和多光谱数据优势互补，增强空间细节，减少颜色失真，形成对地面目标较完整的信息描述地图；

步骤S8：在数据融合的基础上，将融合后的数据压缩后，导入数据库。

由此可见，相对于现有技术基于GIS图像单一的调参方式和图像融合方式，本发明提出的一种卫勤医学地理信息建模方法，在数据拼接过程中，结合K-means算法和Kd-tree算法，实现对连接点的搜索，并找出不均匀的连接点，进行查询重配，提高了数据拼接的质量；此外，从多目标角度出发，建立参数化模型，通过改进的Pansharp算法，在将细节融入并增强多光谱图像的边缘和纹理同时，通过光谱调制对多光谱图像进行全色锐化，因而可以最大化融合图像中所有像素质量，消除了细节注入的不利影响。

请考察图2所示，在上述步骤S7中，基于改进的Pansharp算法，进行数据融合的过程如下又包含以下细分步骤S71～S74：

步骤S71：首先对MS图像进行重采样和插值得到LRMS图像，然后采用加权平均的方法从LRMS图像中分离出I分量。

步骤S72：对PAN图像进行细节提取，并通过引导滤波器保证细节变化趋势与LRMS图像一致，对空间缩放系数β

步骤S73：在步骤S72的基础上，提取的细节被输入到LRMS图像中，并通过光谱调制参数α

步骤S74：将光谱调制参数α

在上述步骤S72中，将第一次获得Pan图像细节的引导滤波器(guide filter)。引导过滤器是一种空间过滤器属于基于MRA的方法，在对输入图像进行滤波以产生其低通量版本之后，通过图像减法计算其丢失的高频信息作为输入细节。在引导滤波器中需要两个输入图像，并且滤波操作基于局部线性模型。一幅输入图像作为滤波图像，而另一幅作为引导图像，在保证输出图像的变化趋势与引导图像一致。结果，所获得的细节将与引导图像具有高相关性。在本实施例中，将I分量作为引导图像，而PAN图像作为滤波图像。具体地，首先通过最简单的函数来获得I分量，如公式(1)所示：

上述K为MS级数。

令GF(PAN，I)表示引导滤波器的操作，并且OP＝GF(PAN，I)是输出图像，然后可通过下式(2)给出的局部线性模型来获得滤波操作：

其中，OP

其中，PANi是滤波后PAN图像的第i个像素，η是正则化参数。通过求解Eq.(3)中，我们得到as和bs如下：

基于输出图像OP，计算PAN

上述l为滤波器的数量，OP

融合图像的光谱调制是基于HFDI的全色锐化的关键问题之一。因此，需要一种有效的方法来保持融合图像中的高光谱分辨率。为了解决这个问题，通过基于边缘恢复频谱调制的频谱调制算法，计算光谱调制参数α

在上述公式(1)～(6)计算的基础上，将LRMS图像数据(多光谱遥感影像数据集)与PAN图像数据(调色处理后的全色影像数据)进行融合，具体的图像融合计算公式FMS如下；

FMS

与现有技术不同的是，本实施例中基于改进的Pansharp算法，构建了基于多目标优化的频谱调制结构模型参数。频谱调制的过程是首先构造多目标决策算法，产生一个决策映射ωk。然后将映射作用于LRMS图像以执行光谱调制。相对于现有技术中的图像融合算法，其优点在于：1)有效增强融合图像的边缘和纹理在空间；2)有效调制颜色信息的融合图像的光谱；3)有效的融合图像的强度调制，消除细节注入的不利影响。

实施例2

一种卫勤医学地理信息建模平台，包括卫星遥感影像采集单元、DEM数据采集单元、图像数据处理单元、专题数据库录入单元、数据库以及前端平台，其中，卫星遥感影像采集单元、DEM数据采集单元均与图像数据处理单元通信连接，图像数据处理单元与数据库电连接，数据库与前端平台通信连接。

建立专题数据库，根据录入的数据，对营区数据、常见疾病(包括训练伤病、心理疾病、自然疫源性疾病和传染病)、药物保障与供应、医疗后送、水源水质数据进行整理，标注标签，并导入数据库中，与数据库中的信息描述地图进行二次融合，即将相应的标注标签与地理信息坐标、地面信息描述进行结合。

在数据库的基础上，形成多个前端平台，包括卫勤保障平台、疾病管理平台、药物保障平台、水源水质平台以及系统管理平台。

其中，卫勤保障平台具有二维地图浏览、资源查询、资源位置分布展示的功能。

在资源查询过程中，通过点选、圆选、框选、多边形选等多种方式进行图查属性查询，也可以进行属性查图查询。以图查属性查询为例，用户可选择一定的区域范围，查询出该区域范围内的相关信息，查询结果以列表形式展示，同时，在地图上高亮显示，在此基础上，用户可以在列表或地图上，选择某个感兴趣的对象，进一步查看其详细信息，详细信息将以类似气泡图的形式，在对象周边显示。而属性查图是指通过关键字信息，查询具有该属性的兴趣点信息，查面结果以类似列表形式展示，同时，在地图上高亮显示。

疾病管理平台包括统计分析、题库管理、问卷录入、问卷管理、训练伤病、心理疾病以及自然资源性疾病和传染病，通过对常见疾病的位置信息叠加到基础地图(即信息描述地图)上，通过不同专题符号，在地图上直观展示各类疾病发生的位置信息，可间接分析地理因素对疾病发生的影响因素(如图4所示)。

下表所示为问卷录入经常采用的“军人常见疾病调查表”，军人类用户通过平台“问卷录入”功能，录入调查问卷信息，军人类用户参与的问卷可以进行信息录入，完成的问卷录入后，还可以对录入的问题进行删除和修改。

军人常见疾病调查表

在问卷管理过程中，针对不同的边防连队，针对性调整调查问卷内容，增加不同的性质的调查问卷，通过选择不同的调查问卷进行信息录入，方便统计人员进行统计分析。通过建立边防部队训练伤调查量表，能够将常见训练伤如急性高原反应、挫伤、关节扭伤、擦伤、冻伤、急性腰扭伤、腰肌劳损等在各个边防部队的分布数据及规律导入疾病管理平台。

统计分析平台主要对录入问卷的数据进行分类展示和统计分析，并生成相应的专题图，如柱状图、饼状图、折线图等，以便进行数据展示和分析(如图5所示)。

药物保障平台，用于调查并录入边防连队在一定时期配备药物所消耗的种类及数量，对不同自然地理条件下边防连队药物需求信息进行采集。药物保障平台与疾病管理平台能够实现数据共享。

医学救援的最终目的是救治伤员，如何有效后送医保证生命安全是医学救援研究的重要内容，而选择合理的后送路线则是确保有效后送的重要环节，以边防连队为地理坐标，将周围军队及地方医疗单位的救治能力、救治路线、救治运输方式等作为数据参数，运用GIS统计模块计算后，输出以地图形式表达的后送路线，此后送路线可以根据道路、救治机构位置、运力等情况实时进行调整，使之始终保持一种动态变化过程。

水源水质平台，是与某军区疾控中心进行合作对边防连队水质进行检测，按照《生活饮用水标准检验方法》GB/T5750-2006进行检测，评价方法按照《生活饮用水卫生标准》GB5749-2006执行，检测结果有1项不合格者规定为不合格样品，检测项目有浑浊度、色度、臭和味、肉眼可见物、PH值、铝、铁、猛、铜、锌、氯化物、硫酸盐、溶解性总固体等。细菌指标4项：菌落总数、总大肠杆菌、耐热大肠杆菌和大肠埃希氏。仪器为UV-2550可见风光光度计、PF6-3原子荧光光度计、AA6800石墨炉原子吸光分光光度计和882离子色谱仪。

系统管理平台包括用户管理、角色管理、菜单管理、日志管理，主要用于对卫勤保障平台、疾病管理平台、药物保障平台、水源水质平台以及数据库进行基础数据的管理和维护，保障整个卫勤医学地理信息正常运行。