岳 林,万新军,张晨皓,解树平,杨 波
(上海理工大学 光电信息与计算机工程学院,上海 200093)
复杂背景下红外静脉图像的分割与增强
岳 林,万新军,张晨皓,解树平,杨 波
(上海理工大学 光电信息与计算机工程学院,上海 200093)
针对医护人员在对患者进行静脉穿刺过程中频繁发生静脉误识别问题,提出了一种红外手掌静脉识别系统。该系统根据近红外光的特性搭建图像采集平台获取原始图像,利用二维最大熵分割法结合区域标记法得到复杂背景中的目标区域,采用反锐化掩模法对目标区域进行增强处理。试验结果表明,目标区域可以从复杂背景中较好地分割出来,提高了图像的对比度,可达到实现红外图像分割和增强的目的。
红外静脉图像;复杂背景;最大熵分割;区域标记;图像增强
人体静脉血管红外成像技术应用广泛,如文献[1~2]利用近红外光成像原理设计了一种手掌静脉识别系统。在医疗过程中,医务人员需对病人进行静脉穿刺以完成输液。通常,医护人员仅凭借肉眼判断手背上的静脉分布。对于经验不足的医务人员而言,由于光线、肤色等因素的影响,静脉的误识别时常发生,给病人带来额外的痛苦。如何辅助医护人员准确识别人体静脉血管这一问题亟待解决。
图像分割和增强是预处理过程中至关重要的环节。对于一幅红外图像,在复杂背景下正确分割出目标区域,实现图像增强是关键。文献[3]利用条带波变换得到静脉信息最多的目标区域,文献[4]利用基于Otsu的改进算法完成图像分割,但上述算法并未完全消除复杂背景对目标区域分割的干扰。文献[5~6]利用小波变换,将手掌静脉图像从空间域转换到频域中完成增强,文献[7]提出一种自适应红外图像对比度增强算法,但上述算法均存在耗时较长的问题。本文结合血红蛋白的生物特征,完成在复杂背景下静脉图像的分割与增强。
采用环形850 nm红外灯板作为光源,根据反射式成像原理,红外光照射到人体手背后经过反射进入可变焦镜头,通过850 nm滤波片,排除杂散光的干扰,最终照射到CMOS传感器。PC通过上位机软件实现与CMOS传感器交互,完成红外手背图像的采集,实验示意图如图1所示。
图1 实验环境示意图
人体静脉血液中血红蛋白可吸收特定波长的光。血红蛋白在850 nm和760 nm波段附近具有两个吸收峰,而其他组织如骨骼,肌肉等则没有这种特性。当图像采集环境中的光源波长为850 nm时,近红外光可以较好地穿透骨骼和肌肉,但被静脉血液中的血红蛋白所吸收。采用加载850 nm波长滤光片的CMOS传感器采集图片,血管部分呈现阴影,其他组织则相对明亮。
图像分割是图像预处理的重要环节。通常图像分割包括基于信息熵[8]的分割,基于聚类分析的分割[9-10]等。本文根据实际图像采集环境,采用二维最大熵法结合区域标记法分割目标区域。
2.1 红外图像的二维最大熵分割
二维直方图原理[11]是图像进行二维最大熵分割[12-13]的基础。对于一张大小为M×N,灰度级为L的灰度图P1,可构成灰度范围为[0,L-1]的一维直方图K1。同理,取3×3的模板对灰度图P1进行均值化处理,可构成邻域均值化灰度图P2及对应范围[0,L-1]的一维直方图K2。结合K1,K2定义二维直方图w(u,v),其中u∈[0,L-1],v∈[0,L-1]。则
puv=nuv/(M×N)
(1)
根据信息熵的定义,熵值越大,包含的信息越多。二维最大熵分割法核心在于选取恰当的s,t作为图像的双阈值,将图像分为目标区域O和背景区域(B)
(2)
信息熵
(3)
信息熵的和
H(s,t)=HB(s,t)+HO(s,t)
(4)
在Matlab软件下利用循环遍历找到s和t,满足H(s,t)取得最大值,完成图像分割。
2.2 二值图像的区域标记
在复杂背景下完成图像分割后,除目标区域手背外的其他区域被同样分割出来,对图像增强造成影响。通常,采集的图像中手背区域占据比重最大,利用区域标记算法[14]排除背景中其他物体的干扰。
该算法的步骤如下:(1)根据八连通原理,将二值化图像中各个连通区域进行标记处理;(2)统计每一块区域下的像素个数;(3)得到像素最多的区域标记,对其他区域下的灰度值进行取反处理。根据以上步骤可以得到目标区域二值化图像,以此将目标区域手背部分从复杂背景下分割出来。
2.3 红外静脉的图像增强
图像增强的目的是增强红外图像中的细节部分,手背静脉即为所需图像细节,但其对比度较低,凭借肉眼不易轻易分辨。本文采用反锐化掩模算法[15]实现图像增强。
该算法的步骤如下:(1)原始红外图片与其均值图相减得到高频分量较多的灰度图;(2)将此灰度图按照一定比例叠加至原图,实现细节增强。算法可定义为
(5)
为验证本文算法的有效性,进行了大量实验仿真,并选取图2所示两组图片说明。第1组图片背景中添加普通杂物水杯,第2组图片背景中添加一根类似血管形状的导线用于加强实验干扰。
原始图片中手背静脉和周边皮肤组织凭借肉眼难以准确区分。图3是实验正确分割和增强后的图像直方图对比。其中横坐标代表图像像素灰度值,纵坐标代表对应灰度值的像素个数。分割处理后的直方图灰度分布范围较窄,对比度相对较低,增强处理后灰度分布范围扩大,对比度提高,实现了图像增强的目的。
图2 实验结果
图3 图像直方图
本文根据实际红外图像采集环境,利用二维最大
熵分割法及区域标记法的特点,有效分割出复杂背景下的目标区域,排除了复杂背景造成的影响。提出实时性较好的反锐化掩模法进行图像增强,增大了图像对比度。实验结果表明,本文算法具有较强的可行性。但本文算法尚有需要完善的地方,例如在复杂背景下若目标区域与干扰物体相接,需增加更多的判据,否则难以分割出满意的目标区域。本文算法为静脉提取,特征识别等研究提供了参考。
[1] 左铁东,张环,胡德文.手掌静脉识别系统的研究与设计[J].计算机测量与控制,2009,17(11):2243-2245.
[2] 王云新,刘铁根,朱均超,等.嵌入式人体手背静脉图像采集系统的研制[J].仪器仪表学报,2009,30(2):308-312.
[3] 贾旭,崔建江,薛定宇,等.基于感兴趣区域函数优化的静脉图像分割算法[J].模式识别与人工智能,2012,25(3):475-480.
[4] 李瑞芳. 基于改进布谷鸟搜索算法的图像分割[J].电子科技,2016,29(5):105-107.
[5] 黎蔚,李继杰,陈家新,等.手掌静脉图像增强算法研究[J].微电子学与计算机,2010, 27(7):237-241.
[6] 吴强,王新塞,贺明,等.一种结合小波分析与直方图的红外图像增强方法[J].应用光学,2011,32(3):464-467.
[7] 孟洋,韩永刚.一种自适应红外图像对比度增强算法[J].电子科技,2014,27(9):5-7.
[8] 曹建农.图像分割的熵方法综述[J].模式识别与人工智能,2012,25(6):958-971.
[9] 杜晓晨,刘建平.基于二维OTSU和遗传算法的红外图像分割方法[J].红外技术,2005,27(1):66-69.
[10] 姜斌,石峰,崔东旭,等.改进的K均值聚类红外目标检测方法[J].应用光学,2012,33(4):766-769.
[11] 杨金龙,张光南,厉树忠,等.基于二维直方图的图像分割算法研究[J].激光与红外,2008,38(4):400-403.
[12] 郭烈,王荣本,金立生,等.基于二维最大熵阈值分割的坑识别方法[J].计算机工程与应用,2006,42(21):226-228.
[13] 伦向敏,侯一民.运用迭代最大熵算法选取最佳图像分割阈值[J].计算机工程与设计,2013,36(5):1265-1289.
[14] 曹长虎,李亚非.一种二值图像连通区域标记快速算法[J].科学技术与工程,2010,10(33):8168-8180.
[15] 杨词银,尚海波,贾晨光,等.基于区域分割的自适应反锐化掩模算法[J].光学精密工程,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
国家重大科学仪器设备开发专项基金项目(2012YQ170004)
岳林(1990-),男,硕士研究生。研究方向:数字图像处理。万新军(1981-),男,讲师。研究方向:数字图像处理。
10.16180/j.cnki.issn1007-7820.2017.03.033
TP391.41
A
1007-7820(2017)03-118-03