CN111292410A - 一种静脉显影照相装置及其三维全景模型的生成方法 - Google Patents

一种静脉显影照相装置及其三维全景模型的生成方法 Download PDF

Info

Publication number
CN111292410A
CN111292410A CN202010060846.XA CN202010060846A CN111292410A CN 111292410 A CN111292410 A CN 111292410A CN 202010060846 A CN202010060846 A CN 202010060846A CN 111292410 A CN111292410 A CN 111292410A
Authority
CN
China
Prior art keywords
dimensional
pixel
lead screw
image
eye
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
CN202010060846.XA
Other languages
English (en)
Other versions
CN111292410B (zh
Inventor
叶霖
韩斌
陈学东
杨新
龙绍军
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.)
Union Hospital Tongji Medical College Huazhong University of Science and Technology
Original Assignee
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 Union Hospital Tongji Medical College Huazhong University of Science and Technology filed Critical Union Hospital Tongji Medical College Huazhong University of Science and Technology
Priority to CN202010060846.XA priority Critical patent/CN111292410B/zh
Publication of CN111292410A publication Critical patent/CN111292410A/zh
Application granted granted Critical
Publication of CN111292410B publication Critical patent/CN111292410B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供了一种静脉显影照相装置，包括：机架；照相机，其设置在所述机架顶部，能够拍摄患者待显影区域的可见光二维影像；同步驱动装置，其分别连接第一丝杠和所述第二丝杠，能够驱动第一丝杠和所述第二丝杠同步旋转；第一红外相机，其设置在同步架一端，能够对患者待显影区域进行拍摄得到第一目二维红外图像；第二红外相机，其设置在同步架另一端，能够对患者待显影区域进行拍摄得到第二目二维红外图像；第一激光器，其设置在所述第一红外相机上，能够在患者表面形成第一可见光斑；第二激光器，其设置在第二红外相机上，能够在患者表面形成第二可见光斑；图像重融合处理模块，还提供了一种静脉显影照相三维全景模型的生成方法。

Description

一种静脉显影照相装置及其三维全景模型的生成方法
技术领域
本明涉及静脉显影识别技术领域，尤其涉及一种静脉显影照相装置和一种静脉显影照相三维全景模型的生成方法。
背景技术
静脉红外成像在医疗辅助及生物特征识别中发挥着重要作用。在医疗方面，静脉成像技术得到了快速的发展，有相关资料表明：正常成人首次进行静脉穿刺的成功率为73％；对儿童进行静脉穿刺时前2次的失败率为58％；对于多数人而言，在静脉穿刺时过程中“漏针”的概率为23-28％，由于人体浅层皮下组织较多，在静脉穿刺过程中会受如：血管深度、脂肪层厚度、皮肤色素含量等诸多因素的影响，使得经验不足乃至经验丰富的医护人员在进行穿刺时易存在成功率较低的现象。在生物身份识别领域中，手背中静脉图像含有较多的可识别特征，因此，相比较于传统的身份识别方式而言，静脉识别具有非接触、唯一性、区分活体等优势，这使得其较于其它识别方式更为安全。所以人体浅层静脉成像技术能够在上述诸方面发挥重要作用，尤其是在医疗领域中，具有非常宽广的发展前景。
申请号为201610980034.0的发明申请公开了一种基于双目立体视觉的人体浅层静脉三维重建装置及方法，采用近红外光源与摄像机分别处于采集对象的两侧，有效避免了因皮肤表面结构及纹理对光源的反射影响，能够提高成像质量，但近红外光源和摄像机成像融合过程不易标定，计算过程复杂，增加了实现难度。
申请号为201811642253.3的发明申请公开了一种获取指静脉影像增强的方法及设备，通过低成本摄像机就可以获取通过近红外线照射手指的指静脉影像，获取指静脉影像后通过二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像进行前处理，通过侦测处理后的指静脉影像的谷点获得指静脉纹理特征，能够识别静脉影像位置，但不能对静脉影像进行三维重建，不能获得静脉所处皮肤深度。
发明内容
本发明提供了一种静脉显影照相装置，采用红外相机结合照相机分别拍摄患者待显影区域，能够提高成像质量，而且通过照相机和激光器结合标定成像位置，利于成像融合过程中的标定。
本发明还提供了一种静脉显影照相三维全景模型的生成方法，通过照相机和激光器结合标定成像位置，简化了计算复杂，简化了融合难度，实现了静脉的三维重建。
本发明提供的技术方案为：
一种静脉显影照相装置，包括：
机架；
照相机，其设置在所述机架顶部，能够拍摄患者待显影区域的可见光二维影像；
第一丝杠，其可旋转支撑在所述机架顶部；
第二丝杠，其可旋转支撑在所述机架顶部，并与所述第一丝杠平行设置；
同步架，其一端套设在所述第一丝杠上，另一端套设在所述第二丝杠上；
同步驱动装置，其分别连接所述第一丝杠和所述第二丝杠，能够驱动所述第一丝杠和所述第二丝杠同步旋转；
第一红外相机，其设置在所述同步架一端，能够对患者待显影区域进行拍摄得到第一目二维红外图像；
第二红外相机，其设置在同步架另一端，能够对患者待显影区域进行拍摄得到第二目二维红外图像；
第一激光器，其设置在所述第一红外相机上，能够在患者表面形成第一可见光斑；
第二激光器，其设置在所述第二红外相机上，能够在患者表面形成第二可见光斑；
图像重融合处理模块，其连接所述照相机、所述第一红外相机和所述第二红外相机，并对所述可见光二维影像、所述第一目二维红外图像和所述第二目二维红外图像融合求解得到患者待显影区域的三维影像。
优选的是，所述同步驱动装置包括：
第一电机，其设置在所述第一丝杠一端；
第二电机，其设置在所述第二丝杠一端；
控制器，其连接所述第一电机和所述第二电机，能够驱动所述第一丝杠和所述第二丝杠同步旋转。
优选的是，所述同步架包括：
连接板；
第一螺母，其可旋转支撑在所述连接板一端，并套设在所述第一丝杠上，与所述第一丝杠螺纹配合；
第二螺母，其可旋转支撑在所述连接板另一端，并套设在所述第二丝杠上，与所述第二丝杠螺纹配合。
一种静脉显影照相三维全景模型的生成方法，包括：
获取所述第一目二维红外图像和所述第二目二维红外图像，并对所述红外图像进行预处理；
对预处理之后的红外图像进行像素点分割，获取每一目红外图像对应的感兴趣区域；
建立笛卡尔三维坐标系；其中所述坐标原点为：将所述可见光二维影像的成像平面作为xy平面，将所述照相机与患者待显影区域的高度方向作为z轴分量；
计算所述第一目二维红外图像和所述第二目二维红外图像每个像素的加权局部对比度，进而得到全图的加权局部对比度图；
对所述第一目二维红外图像和所述第二目二维红外图像逐像素进行滑窗，并标记所述红外图像中的第一可见光斑和第二可见光斑，并根据所述可见光斑标记所述第一目二维红外图像和所述第二目二维红外图像中的像素点x方向分量和y方向分量坐标；
按照所述第一目二维红外图像和所述第二目二维红外图像像素点坐标进行逐像素融合，获得融合后的逐像素加权局部对比度；
根据融合后每个像素点的逐像素加权局部对比度，计算邻域结构景深参数；
根据所述邻域结构景深参数进行阈值分割还原出每个像素点的z方向分量，得到患者待显影区域的三维影像。
优选的是，所述笛卡尔三维坐标系的z轴分量原点为可见光二维影像的成像平面所在位置，标记所述第一可见光斑和所述第二可见光斑，并将所述第一可见光斑和所述第二可见光斑质心连线的中点作为可见光影像的坐标原点。
优选的是，所述第一可见光斑和所述第二可见光斑的质心坐标灰度平方加权质心法求解亚像素级坐标，其公式如下：
Figure BDA0002374410300000041
Figure BDA0002374410300000051
式中，(xi,yi)为像素坐标，f(xi,yi)为像素坐标(xi,yi)处灰度值，(xi,yi)为质心的坐标，也就是所要提取的特征点的图像像素坐标。
优选的是，第一目二维红外图像和所述第二目二维红外图像每个像素的加权局部对比度计算公式为：
D(xi,yi)＝|mt(xi,yi)-ms(xi,yi)|
其中，mt(x,y)为像素(xi,yi)所在的目标区域内所有像素的灰度平均值，
Figure BDA0002374410300000052
ms(x,y)为周围区域内所有像素的灰度平均值，
Figure BDA0002374410300000053
fj(xi,yi)为目标区域内第j个像素的灰度值，fk(xi,yi)周围区域内第k个像素的灰度值；
根据每个像素的加权局部对比度对每个像素点进行灰度值替换进而得到全图的加权局部对比度图。
优选的是，所述邻域结构景深参数计算公式为：
Figure BDA0002374410300000054
其中，(xi,yi)为像素点坐标，Be(xe,ye)为参考像素点位置，Ba为阈值偏差，
Figure BDA0002374410300000055
Be为位置偏差，l为平均对比度，Δx为位置偏差系数，Δy为位置偏差系数，φ为修正系数。
优选的是，所述景深参数阈值分割过程为：
首先，计算景深参数阈值：
λ＝9.27[2.08ln(P-0.8)][0.02P2+0.9P+0.1]
其中，λ为景深参数阈值，P为邻域结构景深参数；
然后，根据所述景深参数阈值和所述景深参数计算所述像素点的z方向分量坐标，
Figure BDA0002374410300000061
进而得到每个像素点的三维坐标。
有益效果
本发明提供了一种静脉显影照相装置，采用红外相机结合照相机分别拍摄患者待显影区域，能够提高成像质量，而且通过照相机和激光器结合标定成像位置，利于成像融合过程中的标定。
本发明还提供了一种静脉显影照相三维全景模型的生成方法，通过照相机和激光器结合标定成像位置，简化了计算复杂，简化了融合难度，实现了患者静脉的三维重建。
附图说明
图1为本发明所述的静脉显影照相装置的结构示意图。
图2为本发明所述的双目红外照相装置的结构示意图。
图3为本发明所述的同步架的结构示意图。
图4为本发明所述的患者静脉显影照相三维全景模型的生成方法的流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
如图1所示，本发明提供的静脉显影照相装置，包括：机架110、照相机120和双目红外照相装置200。
作为一种优选，机架110为框架式结构，照相机120设置在机架110顶部，能够拍摄患者待显影区域的可见光二维影像，且机架110底部具有标定结构，能够标定患者待显影区域的位置，使患者待显影区域的与照相机120同轴设置。
如图2所示，第一丝杠211可旋转支撑在机架110顶部；第二丝杠212可旋转支撑在机架110顶部，并与第一丝杠211平行设置；同步架213一端套设在第一丝杠211上，另一端套设在第二丝杠212上；同步驱动装置220分别连接第一丝杠211和第二丝杠212，能够驱动第一丝杠211和第二丝杠212同步旋转；第一红外相机230可拆卸设置在同步架213一端，能够对患者待显影区域进行拍摄得到第一目二维红外图像；第二红外相机240设置在同步架另一端，能够对患者待显影区域进行拍摄得到第二目二维红外图像；第一激光器231，设置在所述第一红外相机230上，能够在患者表面形成第一可见光斑；第二激光器232设置在第二红外相机240上，能够在患者表面形成第二可见光斑；图像重融合处理模块250连接照相机120、第一红外相机230和第二红外相机240，并对可见光二维影像、第一目二维红外图像和第二目二维红外图像融合求解得到患者待显影区域的三维影像。
同步驱动装置220包括：第一电机221和第二电机222，第一电机221设置在第一丝杠211一端；第二电机222设置在第二丝杠212一端；控制器223，连接第一电机221和第二电机222，能够驱动第一丝杠211和第二丝杠212同步旋转。
如图3所示，同步架213包括：连接板213a、第一螺母213b和第二螺母213c，第一螺母213b可旋转支撑在连接板213a一端，并套设在第一丝杠211上，与第一丝杠211螺纹配合；第二螺母213c可旋转支撑在连接板213a另一端，并套设在第二丝杠212上，与第二丝杠212螺纹配合。
使用时，将患者待显影区域的与照相机120同轴设置，开启控制器223，驱动第一电机221和第二电机222同步旋转环，第一丝杠211和第二丝杠212，同步旋转，同步架213带动第一红外相机230和第二红外相机240同步移动，对患者待显影区域进行拍摄得到第一目二维红外图像和第二目二维红外图像。
一种静脉显影照相三维全景模型的生成方法，包括：
步骤310、获取第一目二维红外图像和第二目二维红外图像，并对所述红外图像进行预处理；
首先，对采集到的第一目二维红外图像和第二目二维红外图像进行信号归一化，其计算公式为：
Figure BDA0002374410300000081
其中，Ii为第i目二维红外图像的信号值，I′i为归一化后的第i目二维红外图像的信号值，I为采集到的全部红外影像的信号均值，σI代表全部全部红外影像的信号标准差；
然后，对二维红外图像进行灰度化处理并进行像素点分割，得到灰度影像；并获取每一目红外图像对应的感兴趣区域；
步骤S320、建立笛卡尔三维坐标系；其中所述坐标原点为：将所述可见光二维影像的成像平面作为xy平面，将所述照相机与患者待显影区域的高度方向作为z轴分量；
笛卡尔三维坐标系的z轴分量原点为可见光二维影像的成像平面所在位置，标记第一可见光斑和所述第二可见光斑，并将第一可见光斑和第二可见光斑质心连线的中点作为可见光影像的坐标原点；
其中，第一可见光斑和第二可见光斑的质心坐标灰度平方加权质心法求解亚像素级坐标，其公式如下：
Figure BDA0002374410300000091
Figure BDA0002374410300000092
式中，(xi,yi)为像素坐标，f(xi,yi)为像素坐标(xi,yi)处灰度值，(xi,yi)为质心的坐标，也就是所要提取的特征点的图像像素坐标。
步骤S330、计算所述第一目二维红外图像和所述第二目二维红外图像每个像素的加权局部对比度，第一目二维红外图像和所述第二目二维红外图像每个像素的加权局部对比度计算公式为：
D(xi,yi)＝|mt(xi,yi)-ms(xi,yi)|
其中，mt(x,y)为像素(xi,yi)所在的目标区域内所有像素的灰度平均值，
Figure BDA0002374410300000093
ms(x,y)为周围区域内所有像素的灰度平均值，
Figure BDA0002374410300000094
fj(xi,yi)为目标区域内第j个像素的灰度值，fk(xi,yi)周围区域内第k个像素的灰度值。
步骤S340、根据每个像素的加权局部对比度对每个像素点进行灰度值替换进而得到全图的加权局部对比度图，每个像素点灰度值替换公式为：
f′(xi,yi)＝f(xi,yi)·[1+D(xi,yi)]；
其中，f′(xi,yi)为为像素坐标(xi,yi)处灰度替换值。
对所述第一目二维红外图像和所述第二目二维红外图像逐像素进行滑窗，并标记所述红外图像中的第一可见光斑和第二可见光斑，并根据所述可见光斑标记所述第一目二维红外图像和所述第二目二维红外图像中的像素点x方向分量和y方向分量坐标。
步骤S350、按照所述第一目二维红外图像和所述第二目二维红外图像像素点坐标进行逐像素融合，获得融合后的逐像素加权局部对比度；
Figure BDA0002374410300000101
其中，Dr为融合后的逐像素加权局部对比度，D1为第一目二维红外图像的加权局部对比度，D2为第二目二维红外图像的加权局部对比度。
步骤S360、根据融合后每个像素点的逐像素加权局部对比度，计算邻域结构景深参数，邻域结构景深参数计算公式为：
Figure BDA0002374410300000102
其中，(xi,yi)为像素点坐标，Be(xe,ye)为参考像素点位置，Ba为阈值偏差，
Figure BDA0002374410300000103
Be为位置偏差，l为平均对比度，Δx为位置偏差系数，Δy为位置偏差系数，φ为修正系数。
步骤S370、根据所述邻域结构景深参数进行阈值分割还原出每个像素点的z方向分量，得到患者待显影区域的三维影像，景深参数阈值分割过程为：
λ＝9.27[2.08ln(P-0.8)][0.02P2+0.9P+0.1]；
其中，λ为景深参数阈值，P为邻域结构景深参数。
步骤S380、然后根据所述景深参数阈值和所述景深参数计算所述像素点的z方向分量坐标，进而得到每个像素点的三维坐标，像素点(xi,yi)的纵坐标为：
Figure BDA0002374410300000104
本发明提供了一种静脉显影照相装置，采用红外相机结合照相机分别拍摄患者待显影区域，能够提高成像质量，而且通过照相机和激光器结合标定成像位置，利于成像融合过程中的标定。
本发明还提供了一种静脉显影照相三维全景模型的生成方法，通过照相机和激光器结合标定成像位置，简化了计算复杂，简化了融合难度，实现了患者静脉的三维重建。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (9)

1.一种静脉显影照相装置，其特征在于，包括：
机架；
照相机，其设置在所述机架顶部，能够拍摄患者待显影区域的可见光二维影像；
第一丝杠，其可旋转支撑在所述机架顶部；
第二丝杠，其可旋转支撑在所述机架顶部，并与所述第一丝杠平行设置；
同步架，其一端套设在所述第一丝杠上，另一端套设在所述第二丝杠上；
同步驱动装置，其分别连接所述第一丝杠和所述第二丝杠，能够驱动所述第一丝杠和所述第二丝杠同步旋转；
第一红外相机，其设置在所述同步架一端，能够对患者待显影区域进行拍摄得到第一目二维红外图像；
第二红外相机，其设置在同步架另一端，能够对患者待显影区域进行拍摄得到第二目二维红外图像；
第一激光器，其设置在所述第一红外相机上，能够在患者表面形成第一可见光斑；
第二激光器，其设置在所述第二红外相机上，能够在患者表面形成第二可见光斑；
图像重融合处理模块，其连接所述照相机、所述第一红外相机和所述第二红外相机，并对所述可见光二维影像、所述第一目二维红外图像和所述第二目二维红外图像融合求解得到患者待显影区域的三维影像。
2.根据权利要求1所述的静脉显影照相装置，其特征在于，所述同步驱动装置包括：
第一电机，其设置在所述第一丝杠一端；
第二电机，其设置在所述第二丝杠一端；
控制器，其连接所述第一电机和所述第二电机，能够驱动所述第一丝杠和所述第二丝杠同步旋转。
3.根据权利要求2所述的静脉显影照相装置，其特征在于，所述同步架包括：
连接板；
第一螺母，其可旋转支撑在所述连接板一端，并套设在所述第一丝杠上，与所述第一丝杠螺纹配合；
第二螺母，其可旋转支撑在所述连接板另一端，并套设在所述第二丝杠上，与所述第二丝杠螺纹配合。
4.一种静脉显影照相三维全景模型的生成方法，使用如权利要求1-3中任一项所述的静脉显影照相装置，其特征在于，包括：
获取所述第一目二维红外图像和所述第二目二维红外图像，并对所述红外图像进行预处理；
对预处理之后的红外图像进行像素点分割，获取每一目红外图像对应的感兴趣区域；
建立笛卡尔三维坐标系；其中所述坐标原点为：将所述可见光二维影像的成像平面作为xy平面，将所述照相机与患者待显影区域的高度方向作为z轴分量；
计算所述第一目二维红外图像和所述第二目二维红外图像每个像素的加权局部对比度，进而得到全图的加权局部对比度图；
对所述第一目二维红外图像和所述第二目二维红外图像逐像素进行滑窗，并标记所述红外图像中的第一可见光斑和第二可见光斑，并根据所述可见光斑标记所述第一目二维红外图像和所述第二目二维红外图像中的像素点x方向分量和y方向分量坐标；
按照所述第一目二维红外图像和所述第二目二维红外图像像素点坐标进行逐像素融合，获得融合后的逐像素加权局部对比度；
根据融合后每个像素点的逐像素加权局部对比度，计算邻域结构景深参数；
根据所述邻域结构景深参数进行阈值分割还原出每个像素点的z方向分量，得到患者待显影区域的三维影像。
5.根据权利要求4所述的静脉显影照相三维全景模型的生成方法，其特征在于，所述笛卡尔三维坐标系的z轴分量原点为可见光二维影像的成像平面所在位置，标记所述第一可见光斑和所述第二可见光斑，并将所述第一可见光斑和所述第二可见光斑质心连线的中点作为可见光影像的坐标原点。
6.根据权利要求5所述的静脉显影照相三维全景模型的生成方法，其特征在于，所述第一可见光斑和所述第二可见光斑的质心坐标灰度平方加权质心法求解亚像素级坐标，其公式如下：
Figure FDA0002374410290000031
Figure FDA0002374410290000032
式中，(xi,yi)为像素坐标，f(xi,yi)为像素坐标(xi,yi)处灰度值，(xi,yi)为质心的坐标，也就是所要提取的特征点的图像像素坐标。
7.根据权利要求6所述的静脉显影照相三维全景模型的生成方法，其特征在于，第一目二维红外图像和所述第二目二维红外图像每个像素的加权局部对比度计算公式为：
D(xi,yi)＝|mt(xi,yi)-ms(xi,yi)|
其中，mt(x,y)为像素(xi,yi)所在的目标区域内所有像素的灰度平均值，
Figure FDA0002374410290000041
ms(x,y)为周围区域内所有像素的灰度平均值，
Figure FDA0002374410290000042
fj(xi,yi)为目标区域内第j个像素的灰度值，fk(xi,yi)周围区域内第k个像素的灰度值；
根据每个像素的加权局部对比度对每个像素点进行灰度值替换进而得到全图的加权局部对比度图。
8.根据权利要求7所述的静脉显影照相三维全景模型的生成方法，其特征在于，所述邻域结构景深参数计算公式为：
Figure FDA0002374410290000043
其中，(xi,yi)为像素点坐标，Be(xe,ye)为参考像素点位置，Ba为阈值偏差，
Figure FDA0002374410290000044
Be为位置偏差，l为平均对比度，Δx为位置偏差系数，Δy为位置偏差系数，φ为修正系数。
9.根据权利要求8所述的静脉显影照相三维全景模型的生成方法，其特征在于，所述景深参数阈值分割过程为：
首先，计算景深参数阈值：
λ＝9.27[2.08ln(P-0.8)][0.02P2+0.9P+0.1]
其中，λ为景深参数阈值，P为邻域结构景深参数；
然后，根据所述景深参数阈值和所述景深参数计算所述像素点的z方向分量坐标，
Figure FDA0002374410290000045
进而得到每个像素点的三维坐标。
CN202010060846.XA 2020-01-19 2020-01-19 一种静脉显影照相装置及其三维全景模型的生成方法 Active CN111292410B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010060846.XA CN111292410B (zh) 2020-01-19 2020-01-19 一种静脉显影照相装置及其三维全景模型的生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010060846.XA CN111292410B (zh) 2020-01-19 2020-01-19 一种静脉显影照相装置及其三维全景模型的生成方法

Publications (2)

Publication Number Publication Date
CN111292410A true CN111292410A (zh) 2020-06-16
CN111292410B CN111292410B (zh) 2022-04-12

Family

ID=71026875

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010060846.XA Active CN111292410B (zh) 2020-01-19 2020-01-19 一种静脉显影照相装置及其三维全景模型的生成方法

Country Status (1)

Country Link
CN (1) CN111292410B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113129243A (zh) * 2021-03-10 2021-07-16 同济大学 基于红外与可见光图像融合的血管图像增强方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103337071A (zh) * 2013-06-19 2013-10-02 北京理工大学 基于结构重建的皮下静脉三维可视化装置及方法
CN106919941A (zh) * 2017-04-26 2017-07-04 华南理工大学 一种三维手指静脉识别方法及系统
CN107749070A (zh) * 2017-10-13 2018-03-02 京东方科技集团股份有限公司 深度信息的获取方法和获取装置、手势识别设备
US20190247142A1 (en) * 2018-02-15 2019-08-15 Leica Instruments (Singapore) Pte. Ltd. Image processing method and apparatus using elastic mapping of vascular plexus structures

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103337071A (zh) * 2013-06-19 2013-10-02 北京理工大学 基于结构重建的皮下静脉三维可视化装置及方法
CN106919941A (zh) * 2017-04-26 2017-07-04 华南理工大学 一种三维手指静脉识别方法及系统
CN107749070A (zh) * 2017-10-13 2018-03-02 京东方科技集团股份有限公司 深度信息的获取方法和获取装置、手势识别设备
US20190247142A1 (en) * 2018-02-15 2019-08-15 Leica Instruments (Singapore) Pte. Ltd. Image processing method and apparatus using elastic mapping of vascular plexus structures

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113129243A (zh) * 2021-03-10 2021-07-16 同济大学 基于红外与可见光图像融合的血管图像增强方法和系统

Also Published As

Publication number Publication date
CN111292410B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN110956633B (zh) 一种基于虚拟立体定位像的快速ct扫描方法及系统
CN112308932B (zh) 一种注视检测方法、装置、设备及存储介质
CN112022346B (zh) 一种全自动静脉穿刺识别一体机器人的控制方法
CN110268444A (zh) 一种用于经颅磁刺激诊疗的人头姿态跟踪系统
Giancardo et al. Textureless macula swelling detection with multiple retinal fundus images
Yang et al. Automatic 3-D imaging and measurement of human spines with a robotic ultrasound system
CN107041729A (zh) 双目近红外成像系统及血管识别方法
DE112010001224T5 (de) Auf Bewegungskompensation basierende CT-Vorrichtung und CT-Verfahren
US8923477B2 (en) Fiducial systems for mammography
CN108509908A (zh) 一种基于双目立体视觉的瞳孔直径实时测量方法
CN106955122A (zh) 放射治疗中基于单摄像模组的头部三维检测方法
CN111080778A (zh) 一种双目内窥镜软组织图像的在线三维重建方法
CN116883471B (zh) 面向胸腹部经皮穿刺的线结构光无接触点云配准方法
CN106780649A (zh) 图像的伪影去除方法和装置
CN105631931B (zh) 一种低复杂度的心脏表面三维形态在线建模系统及方法
CN111292410B (zh) 一种静脉显影照相装置及其三维全景模型的生成方法
CN111339828B (zh) 基于红外影像和超声多普勒结合的静脉显影识别方法
Leli et al. Near-infrared-to-visible vein imaging via convolutional neural networks and reinforcement learning
CN115778333A (zh) 一种视觉定位寸、关、尺脉搏穴位的方法和装置
Harastani et al. Methamphetamine drug abuse and addiction: Effects on face asymmetry
Benalcazar et al. A 3D iris scanner from multiple 2D visible light images
CN115424319A (zh) 一种基于深度学习的斜视识别系统
CN112155511B (zh) 一种基于深度学习补偿oct采集过程中人眼抖动的方法
CN115105062A (zh) 髋膝关节协调性评估方法、装置、系统和存储介质
CN114298986A (zh) 一种基于多视点无序x光片的胸腔骨骼三维构建方法及系统

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