基于雙波長的手部紅外靜脈圖像增強算法研究

鄢圣玥 陳森森

摘? 要：針對臨床中大多數手部紅外靜脈圖像增強算法存在成像質量差、成像過程中容易斷點而無法連續高質量成像的問題，文章在已有AGC和Frangi算法的基礎上，設計一種基于雙波長的手部紅外靜脈圖像增強算法，該算法能夠有效解決單一的AGC和Frangi算法在圖像成像上不連續、圖像成像質量差的問題。在對不同波長進行測試后，采用波長為850 nm+940 nm的紅外光照射獲得原始靜脈圖像，可提高紅外靜脈圖像增強算法的性能，對提高紅外靜脈圖像產品的臨床應用效果具有重要價值。

關鍵詞：雙波長；手部靜脈；圖像增強；紅外成像

中圖分類號：TP391.4? 文獻標識碼：A? 文章編號：2096-4706（2023）05-0082-04

Research on Hand Infrared Vein Image Enhancement Algorithm Based on Dual-wavelength

YAN Shengyue， CHEN Sensen

（Wuhan University of Technology， Wuhan? 430070， China）

Abstract： In view of the problems of poor imaging quality， it is easy to break points in the imaging process and cannot continuously high-quality imaging in most of the hand infrared vein image enhancement algorithms in clinical practice， on the basis of the existing AGC and Frangi algorithms， this paper designs a hand infrared vein image enhancement algorithm based on dual-wavelength. This algorithm can effectively solve the problems of image's imaging discontinuity and poor imaging quality of a single AGC and Frangi algorithm. After testing different wavelengths， the original vein image is obtained by infrared irradiation with wavelength of 850 nm+940 nm， which can improve the performance of infrared vein image enhancement algorithm and has important value for improving the clinical application effect of infrared vein image products.

Keywords： dual-wavelength; hand vein; image enhancement; infrared imaging

0? 引? 言

靜脈紅外圖像處理技術在臨床醫療中應用廣泛，可以用于觀察患者的靜脈血管的狀態，輔助穿刺和進行相關疾病的診斷及排查，同時也是基于靜脈AI診斷相關技術的基礎。

現有的靜脈紅外圖像增強方法主要是從提升圖像對比度，增強圖像紋理特征，基于圖像融合的增強三個方面來進行設計。其中提升圖像對比度主要為各種改進的直方圖均衡法；增強圖像紋理特征主要基于一系列濾波技術；基于圖像融合的增強方法主要為將不同方法處理的多張圖像進行融合，由于不同方法處理的圖像在某些特征上效果明顯，通過圖像融合可以把圖像的增強效果明顯區域疊加，同時減弱單張圖像的噪聲部分，進而得到效果更佳的圖像。以上靜脈圖像增強方法，對不同部位的靜脈圖像處理效果差別較大，局限于身體某一部位的血管，導致普適性較差，這給相關產品的實際的臨床應用帶來了巨大的挑戰，如何進一步提高算法的穩定性和成像質量，成了當前該領域需要解決的主要問題。

在上述背景下，本文提出了一種融合AGC和Frangi的算法，能夠有效地改善當前手部紅外靜脈圖像增強算法存在的斷點和噪聲問題，同時使用雙波長紅外光照射，有效地提高手部紅外靜脈圖像成像質量，具有非常重要的意義和價值。

1? 算法設計思路

通過光源的對比，可以發現850 nm+940 nm的雙波長組合能獲得最佳的靜脈圖像，通過前文對AGC和Frangi兩種算法的分析，其中AGC算法能夠有效地處理照度不均勻的紅外圖像，達到降噪的目的，Frangi能夠對圖像中的特征數據進行識別從而檢測靜脈血管，融合這兩種算法，將提高手部紅外靜脈圖像的成像效果，解決成像后的圖像斷點及噪聲過大的問題?；谠撍悸罚疚臉嫿巳诤狭薃GC和Frangi算法的雙波長的手部紅外靜脈圖像增強算法，其實現流程如圖1所示。

基于上述流程，在對手部紅外靜脈圖像進行處理的過程中，首先采集雙波長紅外光850 nm+940 nm照射下的手部靜脈圖像，對初始圖像進行引導濾波，起到銳化圖像邊緣的作用，再通過AGC（自適應伽馬校正）拉伸圖像的對比度，接著對處理后的圖像進行多尺度高斯濾波降噪處理，然后對處理后圖像運用Frangi算法進行血管識別，提取出管狀的血管輪廓，最后對圖像依次進行局部二值化分割和開運算降噪，得到視覺效果明顯的分割后的血管形狀。在整個圖像處理中，將AGC算法與Frangi算法創新性的結合，二者結合可以有效減少Frangi處理后產生的斷點。在進行Frangi算法處理后，圖像存在很多斷點，因此在進行Frangi算法處理前，需要對圖像進行預處理，除了本發明使用的引導濾波、多尺度高斯濾波外，輔以AGC算法，能夠更加明顯地減少Frangi處理后產生的斷點。

2? 算法詳細設計實現

對紅外靜脈圖像增強算法的實現過程進行分析，其核心步驟詳細設計如下。

2.1? 圖像獲取及ROI提取

使用850 nm+940 nm組合雙波長近紅外光照射，獲得手部靜脈圖像，對圖像進行ROI感興趣區域提取，獲取大小為320×240的圖像區域，采集的圖像中不僅含有手部靜脈的感興趣區域，還含有背景等冗余信息，會增加不必要的計算量，進而降低處理速度。對圖像進行ROI區域提取可以簡單有效的解決這一問題。

2.2? 引導濾波處理

在完成圖像預處理及部分區域提取后，還未去除噪聲，本文通過對ROI區域進行引導濾波，以解決其識別血管存在的噪聲的問題，使用輸入圖像作為引導圖像，達到保持邊緣的效果。具體原理為：

其中? 為經濾波后的圖像，Gi（x， y）為引導圖像，k為引導圖像某一點的像素，ωk為以點k為中心、半徑為r的局部方形窗口，aK（x， y）和bK（x， y） 為引導。

圖像在ωk內的線性系數。提取得到的圖像存在光照不均勻、對比度低等問題，因此需要進一步處理，運用引導濾波增強圖像邊。引導濾波的過程中保留了圖像的邊緣信息，同時抑制了圖像的噪聲，對圖像有增強效果，處理后的圖像邊緣部分加深，靜脈血管更加明顯，圖像對比度有提升，然而部分噪聲的邊緣也一并放大，所以需要更進一步處理。

2.3? 圖像色彩空間轉換及AGC算法

在ROI區域引導濾波處理后的圖像，運用自適應伽馬校正（AGC）進行對比度拉伸。將圖像色彩空間轉換至HSV，因為其H分量最為清晰，故提取H分量，對H分量進行自適應伽馬校正，之后進行通道融合，其中伽馬值根據圖像特點確定?？紤]到圖像受到的光照不均勻，傳統的灰度拉伸方法會過曝或是過暗。因而利用自適應的方法來處理圖像。經過算法處理后的血管部分與背景有著更加明顯的對比度，便于后續處理。

2.4? 多尺度高斯濾波處理

對色彩空間轉換后的圖像進行多尺度高斯濾波，經測試驗證得到合適的高斯核參數以及相應權重。本文選擇三個高斯核對圖像進行加權處理。三個高斯核的σk值分別選取15、80、200，對應權重為1/2、1/4、1/4。具體公式為：

在上述模型中，G（x， y， σ）為高斯函數，x、y、σ為高斯函數的參數。

其中P（x， y）為輸出圖像P在像素點（x， y）處的灰度值，G（x， y， 15）為σ值分為15的高斯函數，G（x， y， 80）為σ值為80的高斯函數，G（x， y， 200）為σ值為200的高斯函數，s（x， y）為輸入源圖像s在像素點（x， y）處的灰度值。

基于上述模型，圖像色彩空間轉換后得到對比度較高三通道的圖像，隨后采用多尺度高斯濾波的算法，分別對三個通道進行加權的多尺度高斯濾波，不斷調試找到最好的去噪效果，從而得到噪點較少的圖像，將分別處理后的三個通道的圖像進行融合。

2.5? 利用Frangi二維濾波器對血管特征進行提取

在完成圖像融合后，利用Frangi二維濾波器，對血管特征進行提取，從而區分血管和噪點，增強圖像中的靜脈信息。具體操作是通過對圖像中的像素點求解其Hessian矩陣特征值，即λ1和λ2。Hessian矩陣特征值和對應的特征向量分別代表該點處沿某一方向上圖形曲率大小和方向。圖像中像素點（x， y）的Hessian矩陣H為：

其中?2f（x，y）/（?x2）為圖像關于x的二階偏導數，?2f（x，y）/（?y2）為圖像關于y的二階偏導數，?2f（x，y）/（?x?y）為圖像關于x、y的二階混合偏導數。

可以將Hessian矩陣中的元素求解，函數f （x， y）的導數等于函數f （x， y）與高斯函數的導數卷積。即，

其中f （x， y）為圖像f在點（x， y）處的灰度值，其中G（x， y）為高斯函數，?2f（x，y）/（?x2）為高斯函數關于x的二階偏導數，?2f（x，y）/（?y2）為高斯函數關于y的二階偏導數，?2f（x，y）/（?x?y）為高斯函數關于x、y的二階混合偏導數。經上述模型處理后得到圖像的海森矩陣，進而可以求得海森矩陣的特征值λ1和λ2。

根據上述模型和方法，根據求得的特征值λ1和λ2，本文進一步將圖像形態大致分為三類，具體為：

（1）背景，灰度分布較均勻。任意方向上特征值λ1和λ2都較小。

（2）孤立的點，它在任意方向上的特征值λ1和λ2都很大。

（3）血管，特征值λ1、λ2一大一小。

經過該算法處理后的圖像能將血管部分與背景區分，形成管狀結構，進一步濾去了非血管形態的噪聲。處理后的圖像還存在背景與血管結構區分度不明顯的問題，一些噪聲被轉換為較小的管狀結構，這些都需要進一步處理來去除。進行局部閾值的二值化分割（NiBlack）處理，對像素點選取r×r的鄰域，計算r×r鄰域內的均值和方差，并結合修正值得到圖像分割的閾值，計算公式為：

T（x， y）=m（x， y）+k*s（x， y）

其中，T（x， y）為所求局部閾值，m（x， y）為局部均值，s（x， y）為局部方差。根據測試參數選取r=20，k=-0.2。分割后的圖像，血管與背景黑白分明，比較好辨認，較原圖像有著很好的提高效果。由于同時當進行圖像遍歷時，如果域r×r范圍內都是背景，經NiBlack計算后必有一部分被確定為目標，產生偽噪聲。對圖像進行腐蝕膨脹等操作以去除偽噪聲，達到了對圖像進行優化的目的。最后將處理后的圖像輸出完成。

以上就是整個算法的詳細設計實現，基于本文的算法實現了AGC和Frangi算法的融合設計，能夠有效地提高算法的圖像處理效果，提取ROI區域降低圖像實時處理的速度，提高輸出圖像的平穩性和清晰度。

3? 算法實驗仿真分析

基于本文設計的算法，利用OpenCv視覺處理庫對其進行了實驗仿真分析，如圖2所示，是采集到的在三種不同波長紅外光照射下的原始圖像。經過分析可知，其中850 nm+940 nm組合光照下獲得的圖像質量最佳，利于后續處理。

圖3是利用本文算法實現的濾波處理后的結果，通過比較可以發現，730 nm+850 nm雙波長組合下圖像的細節不夠清晰，730 nm+940 nm雙波長組合下的圖像會存在照度不均勻所帶來的陰影區域，綜合比較后得出850 nm+940 nm雙波長組合更適合本文算法處理。同時經過濾波處理后的圖片血管與周圍組織的對比更加清晰明顯。

進一步對手部靜脈的圖像進行增強處理，在提取的ROI區域，進一步進行靜脈圖像的分割以及去噪，其中圖

4（a）是本文選取的850 nm+940 nm雙波長照射下的圖像，圖4（b）中是通過本文算法生成的靜脈增強圖像的效果。從上述的結果來看，基于本文算法能夠很好地實現對紅外靜脈圖像進行增強，將原本肉眼難以觀察到的靜脈變得清晰。有效地去除掉周邊毛細血管和圖像噪聲，形成清晰的靜脈圖像。

4? 結? 論

手部紅外靜脈圖像增強算法直接關系到相關靜脈穿刺輔助醫療產品的準確性和精度，在臨床上使用相關的靜脈穿刺輔助設備，容易出現較大概率的錯誤穿刺現象。在這一背景下，本文從紅外靜脈圖像增強算法入手，通過對已有的AGC和Frangi算法進行深入研究，設計了一種基于雙波長的手部紅外靜脈圖像增強算法，通過該算法能夠有效地解決單一的AGC和Frangi算法在圖像成像上不連續，圖像成像質量差的問題，能夠有效地提取靜脈圖像，對提高靜脈穿刺輔助設備的性能具有非常重要的意義。

參考文獻：

[1] 張大鵬，盧光明，郭振華.基于手掌靜脈與掌紋的近紅外成像設備與身份識別方法：CN101251889 [P].2008-08-27.

[2] 孟琳，劉靜，曹慧，等.基于Frangi濾波器和Otsu視網膜血管分割 [J].激光與光電子學進展，2019，56（18）：127-133.

[3] 王依人，鄧國慶，夏營威，等.基于方向可調濾波器的血管圖像增強算法 [J].系統仿真學報，2018，30（6）：2095-2101.

[4] 黃琨，陳書旺.基于紅外成像的輸液用血管定位系統研究 [J].計算機與數字工程，2018，46（5）：1025-1028.

[5] 彭曉光，王彪，唐超穎，等.基于Gabor濾波和形態學變換的手臂靜脈線提取 [J].計算技術與自動化，2018，37（1）：121-125+151.

[6] 岳林，萬新軍，張晨皓，等.復雜背景下紅外靜脈圖像的分割與增強 [J].電子科技，2017，30（3）：118-120.

[7] RAO H，ZHANG P L，SUN C S. Contrast enhancement for the infrared vein image of leg based on the optical angular spectrum theory [J].Signal Image and Video Processing，2017，11（3）：423-429.

[8] 曹偉，王華彬，石軍，等.基于邊緣檢測加權引導濾波的指靜脈圖像增強算法 [J].激光與光電子學進展，2017，54（2）：172-180.

[9] 嚴嬌嬌，種蘭祥，李婷.一種人手背靜脈特征識別方法 [J].計算機科學，2018，45（S1）：206-209.

作者簡介：鄢圣玥（2002.05—），女，漢族，湖北荊州人，本科在讀，研究方向：電子科學與技術。

收稿日期：2022-11-01

基金項目：國家大學生創新創業訓練計劃（S202210497296）