復(fù)雜背景下紅外靜脈圖像的分割與增強

岳 林，萬新軍，張晨皓，解樹平，楊 波

(上海理工大學(xué) 光電信息與計算機工程學(xué)院，上海 200093)

復(fù)雜背景下紅外靜脈圖像的分割與增強

岳 林，萬新軍，張晨皓，解樹平，楊 波

(上海理工大學(xué) 光電信息與計算機工程學(xué)院，上海 200093)

針對醫(yī)護人員在對患者進行靜脈穿刺過程中頻繁發(fā)生靜脈誤識別問題，提出了一種紅外手掌靜脈識別系統(tǒng)。該系統(tǒng)根據(jù)近紅外光的特性搭建圖像采集平臺獲取原始圖像，利用二維最大熵分割法結(jié)合區(qū)域標(biāo)記法得到復(fù)雜背景中的目標(biāo)區(qū)域，采用反銳化掩模法對目標(biāo)區(qū)域進行增強處理。試驗結(jié)果表明，目標(biāo)區(qū)域可以從復(fù)雜背景中較好地分割出來，提高了圖像的對比度，可達到實現(xiàn)紅外圖像分割和增強的目的。

紅外靜脈圖像；復(fù)雜背景；最大熵分割；區(qū)域標(biāo)記；圖像增強

人體靜脈血管紅外成像技術(shù)應(yīng)用廣泛，如文獻[1～2]利用近紅外光成像原理設(shè)計了一種手掌靜脈識別系統(tǒng)。在醫(yī)療過程中，醫(yī)務(wù)人員需對病人進行靜脈穿刺以完成輸液。通常，醫(yī)護人員僅憑借肉眼判斷手背上的靜脈分布。對于經(jīng)驗不足的醫(yī)務(wù)人員而言，由于光線、膚色等因素的影響，靜脈的誤識別時常發(fā)生，給病人帶來額外的痛苦。如何輔助醫(yī)護人員準(zhǔn)確識別人體靜脈血管這一問題亟待解決。

圖像分割和增強是預(yù)處理過程中至關(guān)重要的環(huán)節(jié)。對于一幅紅外圖像，在復(fù)雜背景下正確分割出目標(biāo)區(qū)域，實現(xiàn)圖像增強是關(guān)鍵。文獻[3]利用條帶波變換得到靜脈信息最多的目標(biāo)區(qū)域，文獻[4]利用基于Otsu的改進算法完成圖像分割，但上述算法并未完全消除復(fù)雜背景對目標(biāo)區(qū)域分割的干擾。文獻[5～6]利用小波變換，將手掌靜脈圖像從空間域轉(zhuǎn)換到頻域中完成增強，文獻[7]提出一種自適應(yīng)紅外圖像對比度增強算法，但上述算法均存在耗時較長的問題。本文結(jié)合血紅蛋白的生物特征，完成在復(fù)雜背景下靜脈圖像的分割與增強。

1 實驗環(huán)境

采用環(huán)形850 nm紅外燈板作為光源，根據(jù)反射式成像原理，紅外光照射到人體手背后經(jīng)過反射進入可變焦鏡頭，通過850 nm濾波片，排除雜散光的干擾，最終照射到CMOS傳感器。PC通過上位機軟件實現(xiàn)與CMOS傳感器交互，完成紅外手背圖像的采集，實驗示意圖如圖1所示。

圖1 實驗環(huán)境示意圖

2 紅外靜脈圖像的分割與增強

人體靜脈血液中血紅蛋白可吸收特定波長的光。血紅蛋白在850 nm和760 nm波段附近具有兩個吸收峰，而其他組織如骨骼，肌肉等則沒有這種特性。當(dāng)圖像采集環(huán)境中的光源波長為850 nm時，近紅外光可以較好地穿透骨骼和肌肉，但被靜脈血液中的血紅蛋白所吸收。采用加載850 nm波長濾光片的CMOS傳感器采集圖片，血管部分呈現(xiàn)陰影，其他組織則相對明亮。

圖像分割是圖像預(yù)處理的重要環(huán)節(jié)。通常圖像分割包括基于信息熵[8]的分割，基于聚類分析的分割[9-10]等。本文根據(jù)實際圖像采集環(huán)境，采用二維最大熵法結(jié)合區(qū)域標(biāo)記法分割目標(biāo)區(qū)域。

2.1 紅外圖像的二維最大熵分割

二維直方圖原理[11]是圖像進行二維最大熵分割[12-13]的基礎(chǔ)。對于一張大小為M×N，灰度級為L的灰度圖P1，可構(gòu)成灰度范圍為[0,L-1]的一維直方圖K1。同理，取3×3的模板對灰度圖P1進行均值化處理，可構(gòu)成鄰域均值化灰度圖P2及對應(yīng)范圍[0,L-1]的一維直方圖K2。結(jié)合K1，K2定義二維直方圖w(u,v)，其中u∈[0,L-1]，v∈[0,L-1]。則

puv=nuv/(M×N)

(1)

根據(jù)信息熵的定義，熵值越大，包含的信息越多。二維最大熵分割法核心在于選取恰當(dāng)?shù)膕,t作為圖像的雙閾值，將圖像分為目標(biāo)區(qū)域O和背景區(qū)域(B)

(2)

信息熵

(3)

信息熵的和

H(s,t)=HB(s,t)+HO(s,t)

(4)

在Matlab軟件下利用循環(huán)遍歷找到s和t，滿足H(s,t)取得最大值，完成圖像分割。

2.2 二值圖像的區(qū)域標(biāo)記

在復(fù)雜背景下完成圖像分割后，除目標(biāo)區(qū)域手背外的其他區(qū)域被同樣分割出來，對圖像增強造成影響。通常，采集的圖像中手背區(qū)域占據(jù)比重最大，利用區(qū)域標(biāo)記算法[14]排除背景中其他物體的干擾。

該算法的步驟如下：(1)根據(jù)八連通原理，將二值化圖像中各個連通區(qū)域進行標(biāo)記處理；(2)統(tǒng)計每一塊區(qū)域下的像素個數(shù)；(3)得到像素最多的區(qū)域標(biāo)記，對其他區(qū)域下的灰度值進行取反處理。根據(jù)以上步驟可以得到目標(biāo)區(qū)域二值化圖像，以此將目標(biāo)區(qū)域手背部分從復(fù)雜背景下分割出來。

2.3 紅外靜脈的圖像增強

圖像增強的目的是增強紅外圖像中的細(xì)節(jié)部分，手背靜脈即為所需圖像細(xì)節(jié)，但其對比度較低，憑借肉眼不易輕易分辨。本文采用反銳化掩模算法[15]實現(xiàn)圖像增強。

該算法的步驟如下：(1)原始紅外圖片與其均值圖相減得到高頻分量較多的灰度圖；(2)將此灰度圖按照一定比例疊加至原圖，實現(xiàn)細(xì)節(jié)增強。算法可定義為

(5)

3 算法驗證

為驗證本文算法的有效性，進行了大量實驗仿真，并選取圖2所示兩組圖片說明。第1組圖片背景中添加普通雜物水杯，第2組圖片背景中添加一根類似血管形狀的導(dǎo)線用于加強實驗干擾。

原始圖片中手背靜脈和周邊皮膚組織憑借肉眼難以準(zhǔn)確區(qū)分。圖3是實驗正確分割和增強后的圖像直方圖對比。其中橫坐標(biāo)代表圖像像素灰度值，縱坐標(biāo)代表對應(yīng)灰度值的像素個數(shù)。分割處理后的直方圖灰度分布范圍較窄，對比度相對較低，增強處理后灰度分布范圍擴大，對比度提高，實現(xiàn)了圖像增強的目的。

圖2 實驗結(jié)果

圖3 圖像直方圖

4 結(jié)束語

本文根據(jù)實際紅外圖像采集環(huán)境，利用二維最大

熵分割法及區(qū)域標(biāo)記法的特點，有效分割出復(fù)雜背景下的目標(biāo)區(qū)域，排除了復(fù)雜背景造成的影響。提出實時性較好的反銳化掩模法進行圖像增強，增大了圖像對比度。實驗結(jié)果表明，本文算法具有較強的可行性。但本文算法尚有需要完善的地方，例如在復(fù)雜背景下若目標(biāo)區(qū)域與干擾物體相接，需增加更多的判據(jù)，否則難以分割出滿意的目標(biāo)區(qū)域。本文算法為靜脈提取，特征識別等研究提供了參考。

[1] 左鐵東,張環(huán),胡德文.手掌靜脈識別系統(tǒng)的研究與設(shè)計[J].計算機測量與控制,2009,17(11):2243-2245.

[2] 王云新,劉鐵根,朱均超,等.嵌入式人體手背靜脈圖像采集系統(tǒng)的研制[J].儀器儀表學(xué)報,2009,30(2):308-312.

[3] 賈旭,崔建江,薛定宇,等.基于感興趣區(qū)域函數(shù)優(yōu)化的靜脈圖像分割算法[J].模式識別與人工智能,2012,25(3):475-480.

[4] 李瑞芳. 基于改進布谷鳥搜索算法的圖像分割[J].電子科技,2016,29(5):105-107.

[5] 黎蔚,李繼杰,陳家新,等.手掌靜脈圖像增強算法研究[J].微電子學(xué)與計算機,2010, 27(7):237-241.

[6] 吳強,王新塞,賀明,等.一種結(jié)合小波分析與直方圖的紅外圖像增強方法[J].應(yīng)用光學(xué),2011,32(3):464-467.

[7] 孟洋,韓永剛.一種自適應(yīng)紅外圖像對比度增強算法[J].電子科技,2014,27(9):5-7.

[8] 曹建農(nóng).圖像分割的熵方法綜述[J].模式識別與人工智能，2012,25(6):958-971.

[9] 杜曉晨,劉建平.基于二維OTSU和遺傳算法的紅外圖像分割方法[J].紅外技術(shù),2005,27(1):66-69.

[10] 姜斌,石峰,崔東旭,等.改進的K均值聚類紅外目標(biāo)檢測方法[J].應(yīng)用光學(xué),2012,33(4):766-769.

[11] 楊金龍,張光南,厲樹忠,等.基于二維直方圖的圖像分割算法研究[J].激光與紅外,2008,38(4):400-403.

[12] 郭烈,王榮本,金立生,等.基于二維最大熵閾值分割的坑識別方法[J].計算機工程與應(yīng)用,2006,42(21):226-228.

[13] 倫向敏,侯一民.運用迭代最大熵算法選取最佳圖像分割閾值[J].計算機工程與設(shè)計,2013,36(5):1265-1289.

[14] 曹長虎,李亞非.一種二值圖像連通區(qū)域標(biāo)記快速算法[J].科學(xué)技術(shù)與工程，2010,10(33):8168-8180.

[15] 楊詞銀,尚海波,賈晨光,等.基于區(qū)域分割的自適應(yīng)反銳化掩模算法[J].光學(xué)精密工程,2003,11(2):188-192.

Segmentation and Enhancement of the Infrared Vein Image in Complex Background

YUE Lin，WAN Xinjun，ZHANG Chenhao，XIE Shuping，YANG Bo

(School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China )

A new approach is proposed that solve vein erroneous identification problem when doctors puncture patients’ vein. First, image acquisition platform is built according to the characteristics of infrared light.Then, target area is acquired by algorithm of two-dimensional maximum entropy combined with region labeling and unsharp mask algorithm is used to finish image enhancement. Experimental results demonstrate the target area can be segmented from the complex background and contrast is enhanced. The purpose of infrared image segmentation and enhancement can be achieved.

infrared vein image; complex background; maximum entropy segmentation; region label; image enhancement

2016- 08- 26

國家重大科學(xué)儀器設(shè)備開發(fā)專項基金項目(2012YQ170004)

岳林(1990-)，男，碩士研究生。研究方向：數(shù)字圖像處理。萬新軍(1981-)，男，講師。研究方向：數(shù)字圖像處理。

10.16180/j.cnki.issn1007-7820.2017.03.033

TP391.41

A

1007-7820(2017)03-118-03