技术特征：
1.一种基于静脉分割和角点检测的指尖采血点定位方法，其特征在于，包括：获取指尖静脉图像；提取指尖静脉图像的特征，并将提取的特征进行融合，得到融合特征图；对融合特征图进行分割处理，得到指尖静脉区域；对指尖静脉区域进行静脉网络细化和角点检测，选取距离指尖采血区域中心点最近的角点作为采血点。2.根据权利1所述的一种基于静脉分割和角点检测的指尖采血点定位方法，其特征在于，得到融合特征图的过程包括：对指尖静脉图像进行边缘补0操作，使得图像的像素为256
×
256；将补0后的指尖静脉图像分割成16
×
16个子图像，计算各个子图像的差分激励；根据差分激励设置gabor滤波器的中心窗宽，并采用设置好中心窗宽的gabor滤波器对各个子图像进行滤波处理，得到不同方向和窗宽的指静脉区域特征值数据；对得到的特征值进行加权求和处理，得到融合相同滤波器窗宽上不同方向上的特征值，将所有的融合特征值进行聚合，得到融合特征图。3.根据权利要求2所述的一种基于静脉分割和角点检测的指尖采血点定位方法，其特征在于，计算各个子图形的差分激励的过程包括：随机选取一个静脉子图像块i0(u,v)，其中i0(u,v)表示第u行、第v列个子图像块；采用梯度模板w
x
和w
y
分别与选取的静脉子图像块进行卷积，得到每个像素点水平方向和垂直方向上的梯度分量g
x
和g
y
；根据每个像素点水平方向梯度分量g
x
和垂直方向上的梯度分量g
y
计算子图像块的差分激励；计算差分激励的表达式为：其中，dif(u,v)表示第u行、第v列个子图像块的差分激励，g
x
表示像素点水平方向上的梯度分量，g
y
表示像素点垂直方向上的梯度分量，i0(u,v)表示第u行、第v列个子图像块。4.根据权利要求2所述的一种基于静脉分割和角点检测的指尖采血点定位方法，其特征在于，根据差分激励设置gabor滤波器的中心窗宽的公式为：其中，w表示gabor滤波器组的中心窗宽，dif(u,v)表示第u行、第v列个子图像块的差分激励。5.根据权利要求2所述的一种基于静脉分割和角点检测的指尖采血点定位方法，其特征在于，采用设置好中心窗宽的gabor滤波器组对各个子图像进行滤波处理的过程包括：采用8个不同方向gabor滤波器以及5个不同窗宽的gabor滤波器连接，构成gabor滤波器组；采用gabor滤波器组对指静脉子图像块进行卷积滤波，提取特征参数，每个像素点可以获取40个特征参数，其中gabor滤波器组中的5个不同窗宽的gabor滤波器的窗宽分别为w、w
±
2以及w
±
4。6.根据权利要求2所述的一种基于静脉分割和角点检测的指尖采血点定位方法，其特征在于，对得到的特征值进行加权求和处理的过程包括：对于图像上每个像素提取的40个特征值，采用局部二进制模式对同一窗宽上的8个不同方向的特征进行融合，一个像素点的gabor特征为p
s,t
，s∈(1,
…
,8)表示方向，t∈(1,
…
,5)表示窗宽，把8个方向特征幅度的平均值作为特征值加权量avg；根据特征值加权量对每个方位的特征幅度进行二值化处理，得
到振幅特征融合后的特征值；得到融合后的特征值加权量avg的公式为：avg＝(p
1,t
+p
2,t
…
+p
8,t
)/88个方向的振幅特征融合后表示为：其中，t(s)表示融合8个方向后的振幅特征，p
s,t
表示一个像素点的gabor特征，avg表示特征值加权量。7.根据权利要求1所述的一种基于静脉分割和角点检测的指尖采血点定位方法，其特征在于，对融合特征图进行分割处理的过程包括：构建静脉图像能量函数，采用静脉图像能量函数计算融合特征图的能量，并在能量函数中引入权重因子β进行加权处理；采用无向图g＝<v，e>表示静脉图像的能量图，其中v为顶点集合，e为边的集合；根据无向图计算图中的像素，当两邻域像素差别越大时，能量越小，采用最小化图割来最小化能量函数，把目标的标签设为1，背景的标签设为0，根据设置的标签将目标和背景的边界处的分割开，对分割处理后的图形进行二值化处理，得到指尖静脉区域；静脉图像的能量函数定义为：其中，r
p
(γ)表示多尺度静脉特征的分布，s
a,b
(γ)表示高斯概率分布，p表示多尺度变换后图像中的一点对应的静脉特征f，a、b分别表示点邻接域为2和4的近邻区域；γ表示前景和背景的分割标号；n表示图像中所有邻接像素对所组成的集合，β表示权重因子。8.根据权利要求1所述的一种基于静脉分割和角点检测的指尖采血点定位方法，其特征在于，对指尖静脉区域进行静脉网络细化和角点检测处理的过程包括：提取分割后静脉图像的中心线，对静脉图像进行细化，减少分割后图像中毛刺对角点检测的影响，计算细化后图像在任意方向上平移(u,v)个像素点后产生的灰度变换为e(u,v)；对灰度变换e(u,v)进行二阶泰勒展开，并简化后得到e(u,v)的自相关矩阵m，其中m的特征值为λ1和λ2；设置阈值k，根据特征值和阈值计算每个像素点的角点响应值c，计算每个像素点的角点响应值，如果像素点的响应值c>0.1*max(c),则认为该像素为角点，否则不为角点。9.根据权利要求8所述的一种基于静脉分割和角点检测的指尖采血点定位方法，其特征在于，计算产生灰度变化的公式为：其中，w(x,y)表示gaussian函数，i(x,y)表示窗口内细化后静脉图像在对应像素点(x,y)处的灰度值，m为2
×
2矩阵，其表达式为：其中，i
x
为窗口内像素点在x方向上的梯度，i
y
为窗口内像素点在y方向上的梯度。
10.根据权利要求1所述的一种基于静脉分割和角点检测的指尖采血点定位方法，其特征在于，选取采血点的过程包括：选取距离指尖1.5cm之内区域作为采血区域，根据指静脉图像计算出采血区域中心矩坐标，对比采血区域所有角点坐标与中心矩坐标距离，选取距离最近的角点作为采血点。
技术总结
本发明属于医学图像处理、计算机视觉技术领域，具体涉及一种基于静脉分割和角点检测的指尖采血点定位方法，该方法包括获取指尖静脉图像；提取指尖静脉图像的特征，并将提取的特征进行融合，得到融合特征图；对融合特征图进行分割处理，得到指尖静脉区域；对指尖静脉区域进行静脉网络细化和角点检测处理，根据处理的结果定位采血点；本发明采用指静脉图像局部差分激励自适应设置Gabor滤波器组参数，动态调整空频分辨率，在避免噪音干扰的同时能提取到更多的静脉网络特征细节；且本发明采用的角点检测识别处静脉交汇处作为采血点，在指尖采血时无挤压出血量更多，有效提高了指尖血液检测的准确性。测的准确性。测的准确性。
技术研发人员：黎希 李骏 吴文竹 王婷 唐俊铨
受保护的技术使用者：重庆医药高等专科学校
技术研发日：2021.06.10
技术公布日：2021/9/16