[发明专利]一种用于智能采血的手指静脉特征识别装置及其识别方法

权利要求书

1.一种用于智能采血的手指静脉特征识别装置，其特征在于，包括：图像采集模块、图像预处理模块和指静脉特征提取模块，

所述图像采集模块包括近红外光光源和CMOS图像传感器，图像采集模块采用透射成像法来获取成像质量较高的手指静脉图像，通过CMOS图像传感器加上850nm的近红外光对手指静脉图像进行采集；

所述图像预处理模块用于对采集的手指静脉图像进行图像处理，增强手指静脉特征丰富的感兴趣区域，提高特征识别的准确性以及有效性；

所述手指静脉特征提取模块用于提取手指静脉图像中的静脉特征，精确定位静脉。

2.一种用于智能采血的手指静脉特征识别方法，其特征在于，包括以下步骤：

S1、图像采集获取，CMOS图像传感器在放置手指区域进行持续拍照，得到相应的手指静脉图像；

S2、将手指静脉图像传送到预处理模块中进行图像预处理，得到预处理后的手指静脉图像；从而增强手指静脉特征丰富的感兴趣区域，提高特征识别的准确性以及有效性；

S3、将预处理后的手指静脉图像传送到特征提取模块，在特征提取模块中，采用自适应多阈值算法进行静脉特征提取，得到静脉图像特征。

3.根据权利要求2所述的一种用于智能采血的手指静脉特征识别方法，其特征在于，步骤S2中的图像预处理操作，包括：

S21、对采集的指静脉图像进行高斯滤波，使得图像进行平滑的同时，能够更多地保留图像的总体灰度分布特征；

S22、对高斯滤波后的指静脉图像进行直方图均衡化处理，即采用CLAHE算法增强图像，尽可能突出图像中含有静脉特征的区域；

S23、采用Canny算子检测出手指边缘轮廓；

S24、利用双线性插值法将指静脉图像尺寸归一化。

4.根据权利要求3所述的一种用于智能采血的手指静脉特征识别方法，其特征在于，对采集的手指静脉图像进行高斯滤波，包括：获取的原始图像为f(x,y)，经过高斯滤波之后的图像记为f₀(x,y)，高斯滤波计算公式如下：

f₀(x,y)＝f(x,y)*g(x,y)

其中“*”表示卷积运算，g(x,y)为滤波器模板，且这里D(x,y)表示距离中心原点的距离。

5.根据权利要求3所述的一种用于智能采血的手指静脉特征识别方法，其特征在于，对高斯滤波后的指静脉图像进行直方图均衡化处理包括：采用CLAHE算法增强图像，首先对整幅指静脉图像均等划分成多个互不相交的子图像，一一计算出每一块子图像的直方图，同时对图像中的每个像素点使用双线性插值法，使得每块子图像的灰度级数平滑变化，从而使指静脉图像得到增强。

6.根据权利要求3所述的一种用于智能采血的手指静脉特征识别方法，其特征在于，采用Canny算子检测出手指边缘轮廓包括：记直方图均衡化后的图像为f₁(x,y)；

S231、计算直方图均衡化后的图像的梯度幅值和梯度方向：设两个差分卷积模板为S₁和S₂，图像f₁(x,y)沿x和y方向的偏导数g₁、g₂，将图像f₁(x,y)中的每个像素点(x，y)的梯度幅值记为G(x，y)，梯度方向为θ(x，y)，计算公式如下：

S232、对梯度幅值进行非极大值抑制：将当前像素梯度幅值与沿正负梯度方向上的相邻像素的梯度幅值进行比较，若当前像素梯度幅值为最大，则保留该像素为边缘点，若不是最大，则对其进行抑制，不将其作为边缘点；

S233、进行双阈值滞后处理：定义一个高阈值和一个低阈值，将梯度幅值低于低阈值的像素点抑制，检测为非边缘，高于高阈值的像素点被检测为边缘，对于中间的像素点，如果与确定为边缘的像素点邻接，则判定为边缘，否则为非边缘。