[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

说明书

本发明涉及手部静脉图像增强与分割的医疗技术领域，公开了一种基于AGC和Frangi的手部静脉红外图像的增强与分割方法，该方法首先采集红外光照射下的手部静脉图像，然后对初始图像进行引导滤波，起到锐化图像边缘的作用，再通过AGC拉伸图像的对比度，接着对处理后的图像进行多尺度高斯滤波降噪处理，然后对处理后图像运用Frangi算法进行血管识别，提取出管状的血管轮廓，最后对图像依次进行局部二值化分割和开运算降噪，得到视觉效果明显的分割后的血管形状。本发明将AGC算法与Frangi算法创新性的结合，二者结合可以有效减少Frangi处理后产生的断点，从而提升整体的图像增强与分割的效果。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于AGC和Frangi的手部静脉红外图像的增强与分割方法。

背景技术

静脉红外图像处理技术在医疗领域中有着广泛的应用，它可以用来观察患者的静脉图像，帮助医护人员更好地进行静脉穿刺，提高穿刺效率。

现有技术中，静脉红外图像增强方法主要有以下几种：提升图像对比度的方法、增强图像纹理特征的方法以及基于图像融合的增强方法。提升图像对比度方法主要为各种改进的直方图均衡法；增强图像纹理特征的方法主要基于一系列滤波技术；基于图像融合的增强方法主要为将不同方法处理的多张图像进行融合，由于不同方法处理的图像在某些特征上效果明显，通过图像融合可以把每张图像的增强效果明显区域叠加，同时减弱单张图像的噪声部分，进而得到效果要优于初始每张图像的图像。

本申请发明人在实施本发明的过程中，发现现有技术中的静脉图像增强方法，存在如下技术问题：

局限于对某一部位的静脉图像进行处理，对不同部位的静脉图像处理效果差别较大，并且伴随着有噪声较大问题。

发明内容

本发明提供一种基于AGC和Frangi的手部静脉红外图像的分割方法，用以解决或者至少部分解决现有技术中存在的对不同部位的静脉图像处理效果差别较大，并且伴随着有噪声较大的技术问题。

本发明公开了一种基于AGC和Frangi的手部静脉红外图像的增强与分割方法，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。

在一种实施方式中，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。

在一种实施方式中，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。

在一种实施方式中，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。