手背静脉注射部分的图像提取研究

摘要

随着生活水平的改善，人们对医疗条件的要求也相应提高。人体手背静脉注射作为常用的医疗手段之一，提高其注射的成功率，并实现全自动的静脉注射对于节省医疗资源具有重大的意义。
　　目前现有的静脉显示仪，只是针对手背静脉做了增强显示，并没有进一步提取出适合静脉注射的部分,且手背静脉的提取与识别主要应用于生物识别领域，在临床医学领域中的应用研究甚少。本文结合生物识别领域中静脉识别的方法，应用到医学领域中的手背静脉提取方面。首先利用搭建的静脉图像采集装置获取手背静脉图像，然后对图像进行预处理，再分析适合注射的静脉的特点，最终成功提取并标注出适合手背静脉注射的部分。主要工作如下：
　　(1)在图像采集方面，根据人体手背静脉对近红外光的吸收特性，即手背静脉组织对近红外光的吸收率远大于其它组织，搭建了光源部分，实验中应用白炽灯与红外滤光片的组合获得了较均匀的近红外光，并利用树莓派与其配套的摄像头完成了图像的采集。
　　(2)在图像的预处理方面，针对手背静脉图像特点，利用质心法提取出图像的有效区域部分，并对其进行灰度的归一化，方便图像的后续处理；再利用高斯滤波和中值滤波对图像去噪；最后分析了三种典型的图像分割算法，并验证了这些算法的分割结果，得出基于一维灰度分割算法效果较好。
　　(3)在图像的提取过程中，首先分析了两种典型的细化算法，提出了一种改进的细化算法，该算法首先对图像进行简单的二值形态学细化处理，再根据手背静脉细化图像的特点，拟合六个匹配模板对图像进行非单像素点的去除，得到理想的细化图像；然后利用改进的区域生长法对细化后的静脉图像进行分段的提取，再利用长度与曲率两个条件匹配出3条适合注射的静脉；最后利用模板匹配法对该3条静脉的原分割图像进行匹配，获得适合静脉注射的部分并在原手背图像上标注出来。实验结果表明，本文的算法可以有效的提取出适合静脉注射的部分，且提取率高达96.67％。另外算法所需的总时间小于1.5s，能够满足实际需要。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

1 绪论

1.1 课题研究背景及现实意义

1.2 国内外的研究现状

1.3 树莓派（Raspberry Pi）概述

1.4 论文主要研究内容和章节安排

2 手背静脉图像提取系统的总体设计

2.1 手背静脉图像提取系统的总体框架

2.2 手背静脉成像原理

2.3 实验装置的搭建

2.4 系统软件的设计与实现

2.5 本章小结

3 手背静脉图像预处理算法的研究

3.1 手背静脉图像有效区域（ROI）提取

3. 2 灰度归一化

3.3 两种典型的图像去噪方法

3. 4 基于一维灰度的手背静脉图像分割

3.5 基于形态学的静脉分割图像的后续处理

3.6 实验结果分析

3.7 本章小结

4 手背静脉图像的提取与注射部分的标注

4.1图像细化

4.2 区域生长

4.3 手背静脉的局部提取

4.4 最佳注射部位的模板匹配与标注

4.5 实验结果分析

4.6 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

作者简历