CN107194928A - 一种基于视觉的静脉采血扎针点自动提取方法 - Google Patents

一种基于视觉的静脉采血扎针点自动提取方法 Download PDF

Info

Publication number
CN107194928A
CN107194928A CN201710454520.3A CN201710454520A CN107194928A CN 107194928 A CN107194928 A CN 107194928A CN 201710454520 A CN201710454520 A CN 201710454520A CN 107194928 A CN107194928 A CN 107194928A
Authority
CN
China
Prior art keywords
point
image
venous
acupuncture treatment
blood collection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710454520.3A
Other languages
English (en)
Other versions
CN107194928B (zh
Inventor
王国斌
陈学东
叶霖
韩斌
郭晓阳
皮堂正
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Tongji Medical College of Huazhong University of Science and Technology
Union Hospital Tongji Medical College Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Union Hospital Tongji Medical College Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology, Union Hospital Tongji Medical College Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201710454520.3A priority Critical patent/CN107194928B/zh
Publication of CN107194928A publication Critical patent/CN107194928A/zh
Application granted granted Critical
Publication of CN107194928B publication Critical patent/CN107194928B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30172—Centreline of tubular or elongated structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Processing (AREA)
  • Infusion, Injection, And Reservoir Apparatuses (AREA)
  • Finger-Pressure Massage (AREA)

Abstract

本发明属于机器视觉及医疗仪器相关技术领域，其公开了一种基于视觉的静脉采血扎针点自动提取方法，该方法包括以下步骤：对二值化图像中的静脉分叉进行全部的骨架提取以得到含有静脉分叉中心线的图像，进而获得静脉分叉的交点，同时记录下所有静脉分叉的交点的坐标；对所述二值化图像中的静脉分叉进行部分的骨架提取，以得到部分细化图像；依据得到的静脉分叉的交点坐标对所述部分细化图像进行处理，自交点朝向对应的静脉近心端分别逐列统计每个交点在以该交点中点的预定长度范围内的有效点个数，进而获得每个交点对应的长度计数值，长度计数值最大的静脉分叉对应的交点为静脉采血扎针点。上述方法实现了扎针点的自动提取，提高了精度和效率。

Description

一种基于视觉的静脉采血扎针点自动提取方法
技术领域
本发明属于机器视觉及医疗仪器相关技术领域，更具体地，涉及一种基于视觉的静脉采血扎针点自动提取方法。
背景技术
医务人员对患者进行身体的检查诊断时或者日常检查时会频繁地采集血样，目前大多数采血场合使用的还是传统的血液采集方式，需要靠人工操作。这种人工采血方式效率低，常常不能满足高峰时段的采血要求，且因为采血操作难度大，风险系数高，导致对医务人员的技能要求很高，甚至有部分患者因为脂肪较厚、肤色较深等原因导致血管无法清晰呈现，进而导致穿刺失败，给医务人员及患者带来诸多不便。
针对人工采血难度大、风险高、效率低的问题，本领域相关技术人员已经做了一些研究，如博联众科(武汉)科技有限公司发明的VeinSight系列血管显像仪能够识别人体浅层静脉血管，并将识别到的血管投影到皮肤表层，便于医护人员寻找静脉；又如专利201320403264.2提出了一种使用940nm和850nm混合波长的近红外光照射静脉以提高图像效果的方法；；然而，上述方式均是应用在人工采血的辅助设备上，以用于提高人工采血的成功率及效率，均无涉及到自动采血和自动采血中扎针点的提取问题，扎针点无法实现自动化提取，提取精度较低，且提取效率也较低。相应地，本领域存在着发展一种能够实现扎针点自动提取的静脉采血扎针点自动提取方法的技术需求。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于视觉的静脉采血扎针点自动提取方法，其基于视觉技术，通过对表层静脉红外图像的处理来自动提取最佳扎针点，实现了扎针点的自动提取，提高了扎针点提取精度和效率，解决了自动采血系统中扎针点难以确定的技术问题。
为实现上述目的，本发明提供了一种基于视觉的静脉采血扎针点自动提取方法，所述方法包括以下步骤：
(1)拍摄待提取静脉采血扎针点的身体部位的红外图像，将所述红外图像的中部区域截取出来，对截取出来的图像进行预处理以得到二值化图像；
(2)对所述二值化图像中的静脉分叉进行全部的骨架提取以得到含有静脉分叉中心线的图像，进而获得静脉分叉的交点，同时记录下所有静脉分叉的交点的坐标；
(3)对所述二值化图像中的静脉分叉进行部分的骨架提取，以得到部分细化图像；
(4)依据得到的静脉分叉的交点坐标对所述部分细化图像进行处理，自交点朝向对应的静脉近心端分别逐列统计每个交点在以该交点中点的预定长度范围内的有效点个数，进而获得每个交点对应的长度计数值，长度计数值最大的静脉分叉对应的交点为静脉采血扎针点，即最佳扎针点。
进一步地，拍摄待提取静脉扎针点的身体部位的红外图像时，待提取静脉采血扎针点的静脉方向与所述红外图像的长度方向保持平行。
进一步地，对截取出来的图像进行预处理以得到二值化图像的步骤包括以下子步骤：
(b1)对截取出来的图像进行滤波和灰度归一化处理；
(b2)采用非锐化掩蔽法对步骤(b1)得到的图像进行增强处理；
(b3)依次对步骤(b2)得到的图像做自适应阈值二值化及形态学开运算以得到二值化图像。
进一步地，步骤(2)包括以下子步骤：
(21)采用Zhang快速并行细化算法对所述二值化图像中的静脉分叉进行细化以得到含有静脉分叉中心线的图像，使得细化后的静脉分叉中心线的每个有效点的8领域内没有其他有效点；
(22)分别统计步骤(21)得到的图像中的静脉分叉中心线上的每个有效点的预定邻域内有效点的个数，进而根据有效点数来判断对应的静脉分叉中心线上的该有效点是否为静脉分叉的交点，同时记录所有交点的坐标。
进一步地，所述预定邻域为以对应的有效点为几何中心的四方形区域，所述四方形的边长为6个像素点。
进一步地，步骤(3)中采用Zhang快速并行细化算法对所述二值化图像进行细化以得到所述部分细化图像，步骤(3)中的Zhang快速并行细化的迭代次数小于步骤(2)中的Zhang快速并行细化的迭代次数。
进一步地，步骤(4)中，对每个交点P(a,b)朝向静脉近心端逐列统计在(a+cols，b-k)到(a+cols，b+k)范围内的有效点个数，当统计到的某列对应的有效点个数大于设定的阈值时，交点对应的长度计数值count加1，并继续往右统计，当某列的有效点数小于设定的阈值时，停止统计，并记录当前交点P(a，b)对应的长度计数值count，统计完所有交点后，最大的长度计数值count值对应的静脉分叉的交点为静脉采血扎针点，即最佳扎针点；其中数值k为15，cols为当前列数与a的差值。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明提供的基于视觉的静脉采血扎针点自动提取方法主要具有以下有益效果：
(1)所述静脉采血扎针点自动提取方法通过对表层静脉红外图像进行预处理以得到二值化图像，进而分别对所述二值化图像的静脉分叉进行全部及部分骨架提取，以找出长度计数值最大的静脉分叉对应的交点，即找到了最佳扎针点，实现了扎针点的自动提取；
(2)所述静脉采血扎针点自动提取方法易于实施，灵活性较高，有效地提高了扎针点提取效率和精度，且有利于静脉采血系统的推广应用。
附图说明
图1是本发明较佳实施方式提供的基于视觉的静脉采血扎针点自动提取方法的流程图；
图2是采用图1中的基于视觉的静脉采血扎针点自动提取方法对手背处静脉扎针点提取过程中的中间及最终结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参阅图1及图2，本发明较佳实施方式提供的基于视觉的静脉采血扎针点自动提取方法，该静脉采血扎针点自动提取方法主要包括以下步骤：
步骤一，拍摄待提取静脉采血扎针点的身体部位的红外图像，将所述红外图像的中部的感兴趣区域截取出来，对截取出来的图像进行预处理以得到二值化图像。
具体地，首先，采用近红外光照射待提取静脉采血扎针点的身体部位，并使用带有能够透过近红外光镜头的红外相机拍摄待提取静脉采血扎针点的身体部位，以得到红外图像101。本实施方式中，拍摄时确保待提取静脉采血扎针点的静脉方向与所述红外图像101的长度方向平行。接着，提取所述红外图像101中部的感兴趣区域(目标区域)以得到图像102，以去除所述身体部位边缘处的阴影对图像的影响。
之后，对所述图像102进行滤波和灰度归一化处理，使用中值滤波法去除所述图像102内的噪声以得到图像103，并使用直方图均衡化算法将所述图像103的灰度范围拉伸到0-255的灰度范围内以得到图像104，所述图像104具有较高的对比度。
接着，采用非锐化掩蔽方法对所述图像104进行增强处理，复制所述图像104，并对复制得到的图像104进行高斯模糊以得到模糊图像，选择合适的权重将所述图像104及所述模糊图像进行加权求和，以得到增强后的图像105。本实施方式中，所有的高斯核尺寸为15。
最后，对增强后的所述图像105做自适应阈值二值化以得到图像106，并对所述图像106进行形态学开运算以得到含有清晰的静脉轮廓的二值化图像107。
步骤二，对所述二值化图像抽取骨架以得到每条静脉分叉的中心线及各中心线的交点，并找出所有交点中最粗且最平直的分叉作为静脉采血的静脉分叉，所述静脉采血的静脉分叉交点作为自动采血的最佳扎针点。
首先，对所述二值化图像107中的静脉分叉进行完全的骨架抽取，以得到含有静脉分叉中心线的图像108。采用Zhang快速并行细化算法对所述二值化图像107中的静脉分叉进行细化以得到含有静脉分叉中心线的图像108，使得静脉分叉中心线的每个有效点的8领域内没有其他有效点。具体为，分别判断所述二值化图像107中的静脉的每个点的8领域内的有效点是否满足Zhang快速并行细化算法的细化条件，若满足，则将对应的点作为背景点，若不满足，则保留对应的点。细化过程中记录Zhang快速并行细化算法的迭代次数MAX。
接着，分别统计所述图像108的静脉分叉中心线上的每个有效点的m*m领域(以对应的有效点为几何中心、边长为m的正方向区域)内有效点的个数，当有效点个数超过设定的阈值h1时，则对应的静脉分叉中心线上的该有效点为静脉分叉的交点，记录所有交点的坐标。本实施方式中，所述尺寸m为6个像素点，所述阈值h1为9。
之后，对所述二值化图像107中的静脉分叉进行部分的骨架提取，以得到部分细化的图像109。采用Zhang快速并行细化算法对所述二值化图像107进行细化，并限制该算法中迭代次数为(MAX-n)次。本实施方式中，数值n为6；所述图像109是将所述二值化图像107中较粗的静脉分叉未完全抽取成骨架而得到的，而所述图像108中较细的静脉已经完全细化为中心线。
最后，依据得到的所述交点对所述图像109进行处理以得到图像110。对每个交点P(a,b)朝向静脉近心端逐列统计在(a+cols，b-k)到(a+cols，b+k)范围内的有效点个数。本实施方式中，数值k为15，cols为当前列数与a的差值。当某列对应的有效点数大于设定的阈值h2时，交点对应的长度计数值count加1，并继续往右统计，当某列的有效点数小于设定的阈值h2时，停止统计，并记录当前交点P(a，b)对应的长度计数值count，统计完所有交点后，最大的长度计数值count值对应的静脉分叉就是当前局部范围内最粗且最平直的静脉分叉，其对应的交点就是最适合的扎针点，即最佳扎针点。
本发明提供的基于视觉的静脉采血扎针点自动提取方法，通过对表层静脉红外图像的处理来自动提取最佳扎针点，实现了扎针点的自动提取，提高了精度和效率，解决了自动采血系统中扎针点难以确定的技术问题。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于视觉的静脉采血扎针点自动提取方法，其特征在于：
(1)拍摄待提取静脉采血扎针点的身体部位的红外图像，将所述红外图像的中部区域截取出来，对截取出来的图像进行预处理以得到二值化图像；
(2)对所述二值化图像中的静脉分叉进行全部的骨架提取以得到含有静脉分叉中心线的图像，进而获得静脉分叉的交点，同时记录下所有静脉分叉的交点的坐标；
(3)对所述二值化图像中的静脉分叉进行部分的骨架提取，以得到部分细化图像；
(4)依据得到的静脉分叉的交点坐标对所述部分细化图像进行处理，自交点朝向对应的静脉近心端分别逐列统计每个交点在以该交点中点的预定长度范围内的有效点个数，进而获得每个交点对应的长度计数值，长度计数值最大的静脉分叉对应的交点为静脉采血扎针点，即最佳扎针点。
2.如权利要求1所述的基于视觉的静脉采血扎针点自动提取方法，其特征在于：拍摄待提取静脉扎针点的身体部位的红外图像时，待提取静脉采血扎针点的静脉方向与所述红外图像的长度方向保持平行。
3.如权利要求1所述的基于视觉的静脉采血扎针点自动提取方法，其特征在于：对截取出来的图像进行预处理以得到二值化图像的步骤包括以下子步骤：
(b1)对截取出来的图像进行滤波和灰度归一化处理；
(b2)采用非锐化掩蔽法对步骤(b1)得到的图像进行增强处理；
(b3)依次对步骤(b2)得到的图像做自适应阈值二值化及形态学开运算以得到二值化图像。
4.如权利要求1-3任一项所述的基于视觉的静脉采血扎针点自动提取方法，其特征在于：步骤(2)包括以下子步骤：
(21)采用Zhang快速并行细化算法对所述二值化图像中的静脉分叉进行细化以得到含有静脉分叉中心线的图像，使得细化后的静脉分叉中心线的每个有效点的8领域内没有其他有效点；
(22)分别统计步骤(21)得到的图像中的静脉分叉中心线上的每个有效点的预定邻域内有效点的个数，进而根据有效点数来判断对应的静脉分叉中心线上的该有效点是否为静脉分叉的交点，同时记录所有交点的坐标。
5.如权利要求4所述的基于视觉的静脉采血扎针点自动提取方法，其特征在于：所述预定邻域为以对应的有效点为几何中心的四方形区域，所述四方形的边长为6个像素点。
6.如权利要求4所述的基于视觉的静脉采血扎针点自动提取方法，其特征在于：步骤(3)中采用Zhang快速并行细化算法对所述二值化图像进行细化以得到所述部分细化图像，步骤(3)中的Zhang快速并行细化的迭代次数小于步骤(2)中的Zhang快速并行细化的迭代次数。
7.如权利要求6所述的基于视觉的静脉采血扎针点自动提取方法，其特征在于：步骤(4)中，对每个交点P(a,b)朝向静脉近心端逐列统计在(a+cols，b-k)到(a+cols，b+k)范围内的有效点个数，当统计到的某列对应的有效点个数大于设定的阈值时，交点对应的长度计数值count加1，并继续往右统计，当某列的有效点数小于设定的阈值时，停止统计，并记录当前交点P(a，b)对应的长度计数值count，统计完所有交点后，最大的长度计数值count值对应的静脉分叉的交点为静脉采血扎针点，即最佳扎针点；其中数值k为15，cols为当前列数与a的差值。
CN201710454520.3A 2017-06-15 2017-06-15 一种基于视觉的静脉采血扎针点自动提取方法 Active CN107194928B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710454520.3A CN107194928B (zh) 2017-06-15 2017-06-15 一种基于视觉的静脉采血扎针点自动提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710454520.3A CN107194928B (zh) 2017-06-15 2017-06-15 一种基于视觉的静脉采血扎针点自动提取方法

Publications (2)

Publication Number Publication Date
CN107194928A true CN107194928A (zh) 2017-09-22
CN107194928B CN107194928B (zh) 2019-12-24

Family

ID=59878944

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710454520.3A Active CN107194928B (zh) 2017-06-15 2017-06-15 一种基于视觉的静脉采血扎针点自动提取方法

Country Status (1)

Country Link
CN (1) CN107194928B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109712147A (zh) * 2018-12-19 2019-05-03 广东工业大学 一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法
CN112220532A (zh) * 2020-08-24 2021-01-15 同济大学 一种静脉分叉避让方法及静脉穿刺机器人
CN113011333A (zh) * 2021-03-19 2021-06-22 哈尔滨工业大学 基于近红外图像获取最佳静脉穿刺点和方向的系统及方法
CN114022534A (zh) * 2021-10-22 2022-02-08 上海伯耶信息科技有限公司 一种烟叶纹理夹角提取方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101984916A (zh) * 2010-11-17 2011-03-16 哈尔滨工程大学 基于数字图像处理技术的血管管径测量方法
CN102903115A (zh) * 2012-10-12 2013-01-30 中国科学院深圳先进技术研究院 一种管状物体中心线的提取方法
CN103247073A (zh) * 2013-04-18 2013-08-14 北京师范大学 基于树状结构的三维脑血管模型构造方法
CN104318557A (zh) * 2014-10-17 2015-01-28 重庆大学 血管骨架线重构及精确管径计算方法
CN105979900A (zh) * 2014-02-04 2016-09-28 皇家飞利浦有限公司 血管的深度和位置的可视化以及血管横截面的机器人引导的可视化

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101984916A (zh) * 2010-11-17 2011-03-16 哈尔滨工程大学 基于数字图像处理技术的血管管径测量方法
CN102903115A (zh) * 2012-10-12 2013-01-30 中国科学院深圳先进技术研究院 一种管状物体中心线的提取方法
CN103247073A (zh) * 2013-04-18 2013-08-14 北京师范大学 基于树状结构的三维脑血管模型构造方法
CN105979900A (zh) * 2014-02-04 2016-09-28 皇家飞利浦有限公司 血管的深度和位置的可视化以及血管横截面的机器人引导的可视化
CN104318557A (zh) * 2014-10-17 2015-01-28 重庆大学 血管骨架线重构及精确管径计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
毛晓辉: "基于数字图像处理的血管管径自动测量技术", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109712147A (zh) * 2018-12-19 2019-05-03 广东工业大学 一种基于Zhang-Suen图像骨架提取的干涉条纹中心线拟合方法
CN112220532A (zh) * 2020-08-24 2021-01-15 同济大学 一种静脉分叉避让方法及静脉穿刺机器人
CN113011333A (zh) * 2021-03-19 2021-06-22 哈尔滨工业大学 基于近红外图像获取最佳静脉穿刺点和方向的系统及方法
CN113011333B (zh) * 2021-03-19 2022-11-18 哈尔滨工业大学 基于近红外图像获取最佳静脉穿刺点和方向的系统及方法
CN114022534A (zh) * 2021-10-22 2022-02-08 上海伯耶信息科技有限公司 一种烟叶纹理夹角提取方法

Also Published As

Publication number Publication date
CN107194928B (zh) 2019-12-24

Similar Documents

Publication Publication Date Title
Roy et al. Skin Disease detection based on different Segmentation Techniques
CN107194928A (zh) 一种基于视觉的静脉采血扎针点自动提取方法
CN106530279B (zh) 一种图像处理方法及系统
CN107292877B (zh) 一种基于眼底图像特征的左右眼识别方法
CN103870808B (zh) 一种手指静脉识别方法
Zhang et al. Finger vein image enhancement based on guided tri-Gaussian filters
CN108520211A (zh) 基于手指折痕的手指静脉图像特征的提取方法
CN110298273B (zh) 一种基于多光谱图像的3d指静脉提取方法及系统
CN106778785A (zh) 构建图像特征提取模型的方法及图像识别的方法、装置
CN107358612A (zh) 一种基于分形维数与高斯滤波结合的视网膜血管分割系统及方法
Patwari et al. Personal identification algorithm based on retinal blood vessels bifurcation
CN107358185A (zh) 基于拓扑分析的掌纹掌脉图像识别方法及装置
CN111340773A (zh) 一种视网膜图像血管分割方法
CN111144331A (zh) 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
CN112102227A (zh) 一种基于血管尺寸特征的血管最优穿刺点选取方法
Wang et al. Building palm vein capturing system for extraction
Abdel-Latif et al. Achieving information security by multi-modal iris-retina biometric approach using improved mask R-CNN
Ibrahim et al. A novel and efficient feedback method for pupil and iris localization
CN113269080B (zh) 基于多通道卷积神经网络的掌静脉识别方法
CN114677713A (zh) 一种基于近红外光的手臂静脉采血点的识别方法及系统
Yang et al. Combination of gabor wavelets and circular gabor filter for finger-vein extraction
Shaikha et al. Optic Disc Detection and Segmentation in Retinal Fundus Image
Rathod et al. Localization of optic disc and macula using multilevel 2-D wavelet decomposition based on haar wavelet transform
Antal et al. An ensemble-based microaneurysm detector for retinal images
CN108664980A (zh) 一种基于引导滤波和小波变换的太阳冕环结构识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant