CN111339828B - 基于红外影像和超声多普勒结合的静脉显影识别方法 - Google Patents

Abstract

本发明提供的基于红外影像和超声多普勒结合的静脉显影识别方法，包括：获取患者待识别部位的静脉影像，并对所述静脉影像进行预处理；所述静脉影像包括：红外医学影像和相对应的超声多普勒血流声谱图；识别所述红外医学影像和所述超声多普勒血流声谱图的特征值点，并进行像素点匹配；对所述预处理后的红外医学影像内的像素点进行逐像素滑窗，并计算每个像素点的红外影像局部对比度；结合所述红外影像局部对比度和所述声谱图局部对比度，得到每个像素点的加权局部对比度，进而得到全图的加权局部对比度图；通过对加权局部对比度图进行阈值分割即可提取出目标，进而实现静脉影像的显影识别。

Description

基于红外影像和超声多普勒结合的静脉显影识别方法

技术领域

本发明涉及医学影像处理领域，尤其涉及基于红外影像和超声多普勒结合的静脉显影识别方法。

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。

随着人工智能的火热，多种医学检测手段的融合可以提高预后预测能力和准确度，也将会取代影像科医生的很多工作。有调查表明，放射科医生们表达了使用人工智能工具的意愿，并希望能有一个工具和平台快捷地提供算法和结果，在医学影像处理中发挥积极的作用。

目前应用人工智能技术的软件平台开发与应用是主流趋势。随着软件架构的不断发展和完善，开源框架成为主流。计算机辅助诊断(computer aided detection,CAD)是当前人工智能技术的热点应用场景。研究人员针对影像组学方向开发开源软件平台IBEX和QIFE，但平台内容仅包括图像处理和简单建模，并不具备完整的医学影像处理计算流程和模型参数调优等功能。

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。

发明内容

本发明提供的基于红外影像和超声多普勒结合的静脉显影识别方法，通过患者待识别部位的静脉影像，即红外医学影像和相对应的超声多普勒血流声谱图的图形优化融合方法，能够有效提取图像特征，以实现最大限度地实现静脉显影识别。

本发明提供的技术方案为：

基于红外影像和超声多普勒结合的静脉显影识别方法，包括：

获取患者待识别部位的静脉影像，并对所述静脉影像进行预处理；所述静脉影像包括：红外医学影像和相对应的超声多普勒血流声谱图；

识别所述红外医学影像和所述超声多普勒血流声谱图的特征值点，并进行像素点匹配；

对所述预处理后的红外医学影像内的像素点进行逐像素滑窗，并计算每个像素点的红外影像局部对比度；

对所述预处理后的声谱图内的像素点进行逐像素滑窗，并计算每个像素点的声谱图局部对比度；

结合所述红外影像局部对比度和所述声谱图局部对比度，得到每个像素点的加权局部对比度，进而得到全图的加权局部对比度图；

通过对加权局部对比度图进行阈值分割即可提取出目标，进而实现静脉影像的显影识别。

优选的是，所述红外医学影像和相对应的超声多普勒血流声谱图预处理过程包括：

步骤a、对采集的静脉影像进行二值化处理，得到二值化后的静脉影像图像：

式中，I(x,y)为位置的灰度值，thresh为预设阈值，f(x,y)为二值化后静脉图像(x,y)位置的灰度值；

步骤b、对所述二值化图像进行像素点分割，得到ξ＝m×n个像素点；其中，m为横向像素个数，n为纵向像素个数；

步骤c、对像素点分割后的图像分别进行取反与直方图均衡化操作，从而获得m×n像素大小的预处理的静脉图像。

优选的是，所述红外影像局部对比度计算公式为：

其中，D_h(x，y)为位于(x,y)位置像素点的红外影像局部对比度，f_s(x,y)为位于(x,y)位置像素点的二值化后灰度均值，f(x_c,y_c)为红外影像区域质心位置像素点的二值化后灰度值。

优选的是，所述红外影像区域质心位置计算公式为：

利用零阶矩和一阶矩获取红外影像区域的质心，其中，零阶矩M₀₀计算方法满足：

式中，m与n分别为二值化后图像的行数与列数；

一阶矩M₁₀和M₀₁计算方法分别满足：

获取红外影像区域质心位置为：

优选的是，所述声谱图局部对比度计算公式为：

D_s(x,y)＝|κ_s(x,y)-κ(x_c,y_c)|；

其中，D_s(x，y)为声谱图的局部对比度，κ_s(x,y)为位于(x,y)位置像素点的二值化后灰度值，κ(x_c,y_c)为红外影像区域质心位置像素点的二值化后灰度值。

优选的，所述声谱图像质心位置为：

利用零阶矩和一阶矩获取声谱图像区域的质心，其中，零阶矩N₀₀计算方法满足：

式中，m与n分别为二值化后图像的行数与列数；

一阶矩N₁₀和N₀₁计算方法分别满足：

获取声谱图像区域质心位置为：

优选的是，所述每个像素点的加权局部对比度计算公式为：

D_ALL＝1.24·D_h(x,y)+2.43·D_s(x,y)；

其中，D_ALL为每个像素点的加权局部对比度。

优选的是，通过对加权局部对比度图进行阈值分割即可实现目标检测，阈值计算公式为：

其中，T为分割阈值，

加权局部对比度图的平均值、D_max为加权局部对比度图的最大值，δ为常数。

有益效果

本发明提供的基于红外影像和超声多普勒结合的静脉显影识别方法，通过患者待识别部位的静脉影像，即红外医学影像和相对应的超声多普勒血流声谱图的图形优化融合方法，能够有效提取图像特征，以实现最大限度地实现静脉显影识别。

附图说明

图1为本发明所述的基于红外影像和超声多普勒结合的静脉显影识别方法的流程图。

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，本发明提供的基于红外影像和超声多普勒结合的静脉显影识别方法，包括：

步骤S110、获取患者待识别部位的静脉影像，并对静脉影像进行预处理；所述静脉影像包括：红外医学影像和相对应的超声多普勒血流声谱图；

如图2所示，红外医学影像和相对应的超声多普勒血流声谱图预处理过程包括：

步骤S111、对采集的静脉影像进行二值化处理，得到二值化后的静脉影像图像：

式中，I(x,y)为位置的灰度值，thresh为预设阈值，f(x,y)为二值化后静脉图像(x,y)位置的灰度值；

步骤S112、对所述二值化图像进行像素点分割，得到ξ＝m×n个像素点；其中，m为横向像素个数，n为纵向像素个数；

步骤S113、对二值化图像分别进行取反与直方图均衡化操作，从而获得m×n像素大小的预处理的静脉图像。

步骤S120、识别红外医学影像和所述超声多普勒血流声谱图的特征值点，并进行像素点匹配；

步骤S130、对预处理后的红外医学影像内的像素点进行逐像素滑窗，并计算每个像素点的红外影像局部对比度；红外影像局部对比度计算公式为：

其中，D_h(x，y)为位于(x,y)位置像素点的红外影像局部对比度，f_s(x,y)为位于(x,y)位置像素点的二值化后灰度均值，f(x_c,y_c)为红外影像区域质心位置像素点的二值化后灰度值。红外影像区域质心位置计算公式为：

利用零阶矩和一阶矩获取红外影像区域的质心，其中，零阶矩M₀₀计算方法满足：

式中，m与n分别为二值化后图像的行数与列数；

一阶矩M₁₀和M₀₁计算方法分别满足：

获取红外影像区域质心位置为：

步骤S140、对预处理后的声谱图内的像素点进行逐像素滑窗，并计算每个像素点的声谱图局部对比度；谱图局部对比度计算公式为：

D_s(x,y)＝|κ_s(x,y)-κ(x_c,y_c)|；

其中，D_s(x，y)为声谱图的局部对比度，κ_s(x,y)为位于(x,y)位置像素点的二值化后灰度值，κ(x_c,y_c)为红外影像区域质心位置像素点的二值化后灰度值。所述声谱图像质心位置为：

利用零阶矩和一阶矩获取声谱图像区域的质心，其中，零阶矩N₀₀计算方法满足：

式中，m与n分别为二值化后图像的行数与列数；

一阶矩N₁₀和N₀₁计算方法分别满足：

获取声谱图像区域质心位置为：

步骤S150、结合红外影像局部对比度和所述声谱图局部对比度，得到每个像素点的加权局部对比度，进而得到全图的加权局部对比度图；

每个像素点的加权局部对比度计算公式为：

D_ALL＝1.24·D_h(x,y)+2.43·D_s(x,y)；

其中，D_ALL为每个像素点的加权局部对比度。

步骤S160、通过对加权局部对比度图进行阈值分割即可提取出目标，进而实现静脉影像的显影识别。

通过对加权局部对比度图进行阈值分割即可实现目标检测，阈值计算公式为：

其中，T为分割阈值，

加权局部对比度图的平均值、D_max为加权局部对比度图的最大值，δ为常数。

本发明提供的基于红外影像和超声多普勒结合的静脉显影识别方法，通过患者待识别部位的静脉影像，即红外医学影像和相对应的超声多普勒血流声谱图的图形优化融合方法，能够有效提取图像特征，以实现最大限度地实现静脉显影识别。

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 (8)

1.基于红外影像和超声多普勒结合的静脉显影识别方法，其特征在于，包括：

获取患者待识别部位的静脉影像，并对所述静脉影像进行预处理；所述静脉影像包括：红外医学影像和相对应的超声多普勒血流声谱图；

识别所述红外医学影像和所述超声多普勒血流声谱图的特征值点，并进行像素点匹配；

对所述预处理后的红外医学影像内的像素点进行逐像素滑窗，并计算每个像素点的红外影像局部对比度；

对所述预处理后的声谱图内的像素点进行逐像素滑窗，并计算每个像素点的声谱图局部对比度；

结合所述红外影像局部对比度和所述声谱图局部对比度，得到每个像素点的加权局部对比度，进而得到全图的加权局部对比度图；

通过对加权局部对比度图进行阈值分割即可提取出目标，进而实现静脉影像的显影识别。

2.根据权利要求1所述的基于红外影像和超声多普勒结合的静脉显影识别方法，其特征在于，所述红外医学影像和相对应的超声多普勒血流声谱图预处理过程包括：

步骤a、对采集的静脉影像进行二值化处理，得到二值化后的静脉影像图像：

式中，I(x,y)为位置的灰度值，thresh为预设阈值，f(x,y)为二值化后静脉图像(x,y)位置的灰度值；

步骤b、对所述二值化图像进行像素点分割，得到ξ＝m×n个像素点；其中，m为横向像素个数，n为纵向像素个数；

步骤c、对像素点分割后的图像分别进行取反与直方图均衡化操作，从而获得m×n像素大小的预处理的静脉图像。

3.根据权利要求2所述的基于红外影像和超声多普勒结合的静脉显影识别方法，其特征在于，所述红外影像局部对比度计算公式为：

其中，D_h(x，y)为位于(x,y)位置像素点的红外影像局部对比度，f_s(x,y)为位于(x,y)位置像素点的二值化后灰度均值，f(x_c,y_c)为红外影像区域质心位置像素点的二值化后灰度值。

4.根据权利要求3所述的基于红外影像和超声多普勒结合的静脉显影识别方法，其特征在于，所述红外影像区域质心位置计算公式为：

利用零阶矩和一阶矩获取红外影像区域的质心，其中，零阶矩M₀₀计算方法满足：

式中，m与n分别为二值化后图像的行数与列数；

一阶矩M₁₀和M₀₁计算方法分别满足：

获取红外影像区域质心位置为：

5.根据权利要求4所述的基于红外影像和超声多普勒结合的静脉显影识别方法，其特征在于，所述声谱图局部对比度计算公式为：

D_s(x,y)＝|κ_s(x,y)-κ(x_c,y_c)|；

其中，D_s(x，y)为声谱图的局部对比度，κ_s(x,y)为位于(x,y)位置像素点的二值化后灰度值，κ(x_c,y_c)为红外影像区域质心位置像素点的二值化后灰度值。

6.根据权利要求5所述的基于红外影像和超声多普勒结合的静脉显影识别方法，其特征在于，所述声谱图像质心位置为：

利用零阶矩和一阶矩获取声谱图像区域的质心，其中，零阶矩N₀₀计算方法满足：

式中，m与n分别为二值化后图像的行数与列数；

一阶矩N₁₀和N₀₁计算方法分别满足：

获取声谱图像区域质心位置为：

7.根据权利要求6所述的基于红外影像和超声多普勒结合的静脉显影识别方法，其特征在于，所述每个像素点的加权局部对比度计算公式为：

D_ALL＝1.24·D_h(x,y)+2.43·D_s(x,y)；

其中，D_ALL为每个像素点的加权局部对比度。

8.根据权利要求7所述的基于红外影像和超声多普勒结合的静脉显影识别方法，其特征在于，通过对加权局部对比度图进行阈值分割即可实现目标检测，阈值计算公式为：

其中，T为分割阈值，

加权局部对比度图的平均值、D_max为加权局部对比度图的最大值，δ为常数。

Images