[发明专利]手肘静脉图像肘正中静脉的识别方法及手肘图像采集装置

权利要求书

1.一种手肘静脉图像肘正中静脉的识别方法，其特征在于，识别方法如下：

对采集到的手肘图像进行增强，获得高对比度的手肘静脉图像；

对所述高对比度的手肘静脉图像，进行多尺度自适应滤波获得静脉结构图像；

对所述静脉结构图像进行阈值分割，在其二值图像中提取静脉特征；

将所述静脉特征输入到训练好的分类器中完成肘正中静脉的识别；

所述对采集到的静脉图像进行增强的方法如下：

对采集到的静脉图像进行分块，对每个小块计算直方图，设置裁剪阈值；

对每一灰度级上超过裁剪阈值的直方图进行裁剪，然后均匀的分布到每一灰度级；

对裁剪完成的直方图做直方图均衡化；

将均衡化后的分块图像拼接成完整图像，对左上，左下，右下，右上四个1/4个小块采用直接赋值的方式，对上，左，下，右四条边采用线性插值，图像中剩余部分采用双线性插值方式；四条边不包括上述四个小块；

所述提取静脉特征的方法如下：

对所述二值图像中的所有轮廓进行查找，获得轮廓之后，通过求解每个轮廓的最小外包矩形；

然后通过所述最小外包矩形确定每段静脉包括手臂轮廓的宽高及面积，用于表征该段静脉的大小；

然后利用所述最小外包矩形的宽高比来表征这段静脉的弯曲程度；

接着求取每段静脉最小外包矩形的中心距离两侧手臂轮廓的距离；具体方式为通过最小外包矩形的中心向两侧轮廓的最小外包矩形的最外侧边做垂线，分别为左侧距离和右侧距离，用于表征该段静脉的相对位置；

然后将所述最小外包矩形映射回到还未进行阈值分割时的静脉结构图像，

并计算矩形包围的像素点灰度值之和，用于表征该段静脉易于被观察的程度；

至此每段静脉获得7维特征，将部分特征进行重组，再添加左侧距离与右侧距离之比、右侧距离与左侧距离之比和灰度强度与面积之比，这样使得每段静脉一共获得1Q维特征。

2.根据权利要求1所述的手肘静脉图像肘正中静脉的识别方法，其特征在于，

所述进行多尺度自适应滤波获得静脉结构图像的方法如下：

根据图像二阶hessian矩阵特征值λ₁，λ₂，|λ₁|≤|λ₂|构建的多尺度自适应滤波函数，如公式(6)所示：

其中

β＝0.5，ω＝50，d由输入图像自适应确定，其形式为公式(7)所示，d_rank为输入图像中像素个数不为0的灰度级，σ_i为当前迭代的尺度因子，滤波器输出0≤v(x，y；σ)≤1；

3.根据权利要求2所述的手肘静脉图像肘正中静脉的识别方法，其特征在于，所述分类器包括：随机森林分类器和支持向量机分类器；

对每段静脉添加相应的标签，标注其是否为用于注射的肘正中静脉，将10维特征和标签用于训练分类器；

把采集到的若干幅手肘静脉图像分别独立训练每个分类器后，使每个分类器输出相应类别的概率值，通过软投票的方式将其集成为最终的预测器，完成对肘正中静脉的识别。