一种用于滤除毛发噪声的近红外静脉图像处理方法技术

本发明专利技术涉及一种用于滤除毛发噪声的近红外静脉图像处理方法，包括：1)采集待成像部位的近红外静脉图像和可见光图像，并进行尺寸标准化；2)对可见光图像进行灰度化处理；3)进行分块处理，对分块后的各个子图像进行灰度归一化处理和第一滤波处理；4)对各个子图像依次进行形态学膨胀操作和形态学腐蚀操作；将各个子图像分别与对应的子图像进行灰度值减法运算；5)对各个子图像进行二值化处理和第二滤波处理；6)获得毛发像素点的坐标集合；7)滤除近红外静脉图像的毛发噪声。与现有技术相比，本发明专利技术具有能够给出毛发噪声像素点的具体位置，能够更有效、更精准地处理毛发噪声，同时对近红外图像中静脉信息的破坏很小等优点。

【技术实现步骤摘要】
一种用于滤除毛发噪声的近红外静脉图像处理方法
本专利技术涉及近红外静脉图像处理领域，尤其是涉及一种用于滤除毛发噪声的近红外静脉图像处理方法。
技术介绍
近红外光是指介于可见光和中红外光之间的电磁辐射波，其波长的大致范围为780nm到2500nm。特定波长的近红外光具有一些可见光所不具备的优良性质，因此为人们广泛使用。由于可见光对皮肤、肌肉等人体组织的穿透能力较弱，在可见光照射下一般难以获得人体表层静脉的结构等信息；而波长在780nm到1100nm左右的近红外光的穿透能力相对较强，且血管中的血红蛋白容易吸收该波段的近红外光，因此近红外光的一大典型应用就是近红外表层静脉成像。在手指静脉识别解锁、静脉穿刺机器人、皮下注射机器人等技术中，都用到了近红外表层静脉成像技术。然而，近红外表层静脉成像的质量容易受到许多因素的干扰，皮肤上的毛发就是干扰因素之一。由于毛发也对相应波段的近红外光有一定的吸收能力，如果使用者在成像部位上有较长较粗、颜色较深、或较为浓密的汗毛等毛发，那么得到的图像就会较大影响，不能清晰正确地显示出静脉的结构，在图像中难以区分毛发与静脉，成像质量较差。因此，减弱近红外表层静脉图像毛发噪声的影响，对于提升近红外图像质量以及相关应用有着重要意义。在近红外表层静脉成像及后续的血管分割等技术中，通常会使用滤波等图像处理的方法来滤除图像中的噪声，包括部分毛发噪声，然而这种方法的效果有限，当毛发较长较粗、颜色较深、或较为浓密时，在近红外图像中进行滤波操作难以有效减弱毛发的影响，同时还有可能对静脉部分的图像产生较大不利影响。因此目前对于毛发噪声的处理，多是用于照片美化等目的，这些方法大多不能精确找到毛发噪声的具体位置，且对局部图像信息有较大改动，不能直接应用到近红外表层静脉成像中。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在不能精确找到毛发噪声的具体位置，且对局部图像信息有较大改动，不能直接应用到近红外表层静脉成像中的缺陷而提供一种用于滤除毛发噪声的近红外静脉图像处理方法。本专利技术的目的可以通过以下技术方案来实现：一种用于滤除毛发噪声的近红外静脉图像处理方法，包括以下步骤：S1：采集待成像部位的初始近红外静脉图像和可见光图像，并进行尺寸标准化；S2：对步骤S1获取的所述可见光图像进行灰度化处理得到灰度图像；S3：对步骤S2获取的所述灰度图像进行分块处理，得到多个第一子灰度图像，对各个第一子灰度图像进行灰度归一化处理和第一滤波处理，得到多个第二子灰度图像；S4：根据预设的形态学结构元素，对各个所述第二子灰度图像依次进行形态学膨胀操作和形态学腐蚀操作，得到多个第三子灰度图像；将各个第三子灰度图像分别与对应的第二子灰度图像进行灰度值减法运算，得到多个第四子灰度图像；S5：根据预设的二值化阈值，对各个所述第四子灰度图像进行二值化处理和第二滤波处理，获取毛发像素点；S6：对各个所述第四子灰度图像的毛发像素点进行坐标整合，得到毛发像素点的坐标集合；S7：根据所述毛发像素点的坐标集合，滤除所述初始近红外静脉图像的毛发噪声，得到最终近红外静脉图像。进一步地，步骤S7中，采用直接剔除法或滤波法滤除所述初始近红外静脉图像的毛发噪声。进一步地，所述直接剔除法的处理过程具体为，根据所述毛发像素点的坐标集合，将所述近红外静脉图像对应像素点的灰度值修改为255。进一步地，所述滤波法的处理过程具体为，根据所述毛发像素点的坐标集合，对所述近红外静脉图像每个对应像素点进行第三滤波处理。进一步地，所述第三滤波处理为中值滤波或均值滤波。进一步地，步骤S1中，所述进行尺寸标准化包括根据获取的所述近红外静脉图像和可见光图像进行成像部位对齐操作，使得成像范围一致；进行图像放大或缩小操作，使得近红外静脉图像和可见光图像的大小一致。进一步地，步骤S4中，所述灰度值减法运算的表达式为：grayminus＝max{grayclosed-grayoriginal,0}式中，graymigus为第四子灰度图像中某一像素点的灰度值，grayclosed为第三子灰度图像中该像素点的灰度值，grayoriginal为第二子灰度图像中该像素点的灰度值。进一步地，步骤S5中，所述二值化处理的计算表达式为：式中，g为第四子灰度图像中某一像素点的灰度值，th为二值化阈值，graybinary为第四子灰度图像中该像素点经过二值化处理后的灰度值。进一步地，步骤S5中，所述第二滤波处理采用中值滤波。进一步地，步骤S3中，所述第一滤波处理为高斯滤波，该高斯滤波依次对第一子灰度图像的每一像素点进行如下处理步骤：S301：将预设的高斯滤波模板的中心与第一子灰度图像的某一像素点重合，得到所述高斯滤波模板中各个像素点相对于该像素点的相对坐标，再通过二维高斯函数计算高斯滤波模板中各个像素点的初始权值；S302：对步骤S301获取的各个像素点的初始权值进行归一化处理；S303：根据步骤S302获取的归一化处理后的初始权值，计算该像素的灰度值。进一步地，所述高斯滤波模板为边长为奇数个像素的正方形，所述二维高斯函数的计算表达式为：式中，F(x,y)为相对坐标为(x,y)的像素点的初始权值；步骤S302中，所述归一化处理的计算表达式为：式中，wi为高斯滤波模板中第i个像素点的初始权值，wj为高斯滤波模板中第j个像素点的初始权值，2r+1为高斯滤波模板的边长，r为自然数，w′i为归一化处理后的高斯滤波模板中第i个像素点的初始权值；步骤S303中，所述该像素的灰度值的计算表达式为：式中，newgray为该像素高斯滤波处理后的灰度值，round(·)为四舍五入取整运算，w′j为归一化处理后的高斯滤波模板中第j个像素点的初始权值，gj为高斯滤波模板中第j个像素点对应的灰度值。与现有技术相比，本专利技术具有以下优点：(1)本专利技术通过在近红外静脉图像采集过程中同时采集可见光图像，通过该可见光图像能更方便、准确地识别出毛发噪声，对可见光图像灰度化后首先进行分块处理，能够减弱整体图像中不同位置的光照条件差异对处理效果的不利影响；然后对每个子灰度图像进行归一化处理，增强对比度能够更充分地利用图像信息，使得提取出的毛发噪声像素点更加完整，减少了遗漏情况；进行第一滤波处理，减弱图片拍摄时噪声的影响；进一步地进行形态学膨胀操作、形态学腐蚀操作以及灰度值减法运算，增强了图像中的毛发部分；最后对各子灰度图像进行二值化处理，实现毛发的区分，加以滤波处理，进一步减弱噪声影响，由此获得更有效、更精准的毛发像素点坐标集合，根据该坐标集合滤除近红外静脉图像的毛发噪声，对近红外图像中静脉信息的破坏很小。(2)采用直接剔除法滤除近红外静脉图像的毛发噪声，能将毛发噪声像素点的灰度值修改为背景值，从而减弱其对静脉成像的影响，有利于静脉分割等后续本文档来自技高网...

【技术保护点】
1.一种用于滤除毛发噪声的近红外静脉图像处理方法，其特征在于，包括以下步骤：/nS1：采集待成像部位的初始近红外静脉图像和可见光图像，并进行尺寸标准化；/nS2：对步骤S1获取的所述可见光图像进行灰度化处理得到灰度图像；/nS3：对步骤S2获取的所述灰度图像进行分块处理，得到多个第一子灰度图像，对各个第一子灰度图像进行灰度归一化处理和第一滤波处理，得到多个第二子灰度图像；/nS4：根据预设的形态学结构元素，对各个所述第二子灰度图像依次进行形态学膨胀操作和形态学腐蚀操作，得到多个第三子灰度图像；将各个第三子灰度图像分别与对应的第二子灰度图像进行灰度值减法运算，得到多个第四子灰度图像；/nS5：根据预设的二值化阈值，对各个所述第四子灰度图像进行二值化处理和第二滤波处理，获取毛发像素点；/nS6：对各个所述第四子灰度图像的毛发像素点进行坐标整合，得到毛发像素点的坐标集合；/nS7：根据所述毛发像素点的坐标集合，滤除所述初始近红外静脉图像的毛发噪声，得到最终近红外静脉图像。/n

【技术特征摘要】
1.一种用于滤除毛发噪声的近红外静脉图像处理方法，其特征在于，包括以下步骤：
S1：采集待成像部位的初始近红外静脉图像和可见光图像，并进行尺寸标准化；
S2：对步骤S1获取的所述可见光图像进行灰度化处理得到灰度图像；
S3：对步骤S2获取的所述灰度图像进行分块处理，得到多个第一子灰度图像，对各个第一子灰度图像进行灰度归一化处理和第一滤波处理，得到多个第二子灰度图像；
S4：根据预设的形态学结构元素，对各个所述第二子灰度图像依次进行形态学膨胀操作和形态学腐蚀操作，得到多个第三子灰度图像；将各个第三子灰度图像分别与对应的第二子灰度图像进行灰度值减法运算，得到多个第四子灰度图像；
S5：根据预设的二值化阈值，对各个所述第四子灰度图像进行二值化处理和第二滤波处理，获取毛发像素点；
S6：对各个所述第四子灰度图像的毛发像素点进行坐标整合，得到毛发像素点的坐标集合；
S7：根据所述毛发像素点的坐标集合，滤除所述初始近红外静脉图像的毛发噪声，得到最终近红外静脉图像。


2.根据权利要求1所述的一种用于滤除毛发噪声的近红外静脉图像处理方法，其特征在于，步骤S7中，采用直接剔除法或滤波法滤除所述初始近红外静脉图像的毛发噪声。


3.根据权利要求2所述的一种用于滤除毛发噪声的近红外静脉图像处理方法，其特征在于，所述直接剔除法的处理过程具体为，根据所述毛发像素点的坐标集合，将所述近红外静脉图像对应像素点的灰度值修改为255。


4.根据权利要求2所述的一种用于滤除毛发噪声的近红外静脉图像处理方法，其特征在于，所述滤波法的处理过程具体为，根据所述毛发像素点的坐标集合，对所述近红外静脉图像每个对应像素点进行第三滤波处理。


5.根据权利要求4所述的一种用于滤除毛发噪声的近红外静脉图像处理方法，其特征在于，所述第三滤波处理为中值滤波或均值滤波。


6.根据权...

【专利技术属性】
技术研发人员：齐鹏，胡斌，曹旭，余有灵，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31