[发明专利]一种基于AGC和Frangi的手部静脉红外图像的增强与分割方法

权利要求书

1.一种基于AGC和Frangi的手部静脉红外图像的增强与分割方法，其特征在于，包括：

S1：采集红外光照射下的手部静脉图像，作为初始图像；

S2：对初始图像进行引导滤波，得到增强后的图像P1；

S3：对增强后的图像P1运用AGC算法进行对比度拉伸，得到自适应处理后的图像P2，其中，AGC算法为自适应伽马校正算法；

S4：对自适应处理后的图像P2进行多尺度高斯滤波降噪处理，得到降噪处理后的图像P3；

S5：采用Frangi算法对降噪处理后的图像P3进行血管特征提取，提取出管状的血管轮廓，作为Frangi算法处理后的图像P4；

S6：对Frangi算法处理后的图像P4进行局部阈值的二值化分割，得到分割后的图像P5；

S7：对分割后的图像P5进行开运算降噪，得到最终的图像P6。

2.如权利要求1所述的基于AGC和Frangi的手部静脉红外图像的增强与分割方法，其特征在于，S2包括：

对初始图像进行ROI区域提取，将提取的图像作为输入图像；

对输入图像进行引导滤波得到增强后的图像P1。

3.如权利要求1所述的基于AGC和Frangi的手部静脉红外图像的增强与分割方法，其特征在于，在步骤S3对增强后的图像运用AGC算法进行对比度拉伸时，通过获取图像像素的均值和方差，制定图像对比度的判断标准，并根据图像对比度的判断标准选取不同的伽马值对增强后的图像P1进行对比度拉伸。

4.如权利要求1所述的基于AGC和Frangi的手部静脉红外图像的增强与分割方法，其特征在于，步骤S4包括：

对自适应处理后的图像P2的三个通道进行加权的多尺度高斯滤波，

将滤波处理后的三个通道的图像进行融合，得到降噪处理后的图像P3。

5.如权利要求4所述的基于AGC和Frangi的手部静脉红外图像的增强与分割方法，其特征在于，在对自适应处理后的图像P2的三个通道进行加权的多尺度高斯滤波时，选择三个高斯核对图像进行加权处理，三个高斯核的σ值分别选取15、80、200，对应权重分别为1/2、1/4、1/4。

6.如权利要求1所述的基于AGC和Frangi的手部静脉红外图像的增强与分割方法，其特征在于，步骤S5包括：

S5.1：根据降噪处理后的图像P3的像素点求解Hessian矩阵的特征值λ₁和λ₂，Hessian矩阵特征值和特征向量分别代表该点处沿某一方向上图形曲率的大小和方向；

S5.2：根据求得的特征值，将P3分为三类：背景、孤立的点和血管，其中，提取出的血管部分处理成管状结构，即管状的血管轮廓，作为Frangi算法处理后的图像P4。

7.如权利要求6所述的基于AGC和Frangi的手部静脉红外图像的增强与分割方法，其特征在于，步骤S5.2包括：

当任意方向上λ₁和λ₂符合第一预设条件时，灰度分布均匀，归为背景区域；

当任意方向上λ₁和λ₂符合第二预设条件时，归为孤立的点；

当任意方向上λ₁和λ₂符合第三预设条件时，归类为血管区域。