基于方向可调滤波器的血管图像增强算法

doi:10.16182/j.issn1004731x.joss.201806012

系统仿真学报 ›› 2018, Vol. 30 ›› Issue (6): 2095-2101.doi: 10.16182/j.issn1004731x.joss.201806012

基于方向可调滤波器的血管图像增强算法

王依人^{1, 2}, 邓国庆¹, 夏营威¹, 张龙¹, 刘勇¹, 张文^{1, 2, *}

1. 中国科学院合肥物质科学研究院应用技术研究所安徽合肥230031;
2. 中国科学技术大学安徽合肥230026

收稿日期:2016-05-06 修回日期:2016-08-03 出版日期:2018-06-08 发布日期:2018-06-14
作者简介:王依人(1990-),女,安徽合肥,硕士生,研究方向为图像处理、计算机视觉。
基金资助:
中国科学院STS项目(KFJ-SW-STS-161); 安徽省科技重大专项计划项目(15CZZ02019)

Vascular Image Enhancement Using Steerable Filters

Wang Yiren^{1, 2}, Deng Guoqing¹, Xia Yingwei¹, Zhang Long¹, Liu Yong¹, Zhang Wen^{1, 2, *}

1. Institute of Applied Technology, Hefei Institutes of Physical Science, Chinese Academy of Sciences Hefei, Hefei 230031 China;
2. University of Science and Technology of China Hefei, Hefei 230036 China

Received:2016-05-06 Revised:2016-08-03 Online:2018-06-08 Published:2018-06-14

摘要/Abstract

摘要： 针对传统算法增强血管的各种问题,提出一种基于方向可调滤波器的血管图像增强方法。该方法以机器视觉系统为硬件平台,采用方向可调滤波器滤波,提取各方向静脉血管;利用小波变换进行图像融合,获取静脉高频信息;通过非线性反锐化掩膜,分层增强血管图像。实验结果表明：该方法能够有效抑制噪声,减少信息丢失,达到较好的增强效果。

关键词: 图像增强, 方向可调滤波器, 小波变换, 反锐化掩膜

Abstract: Based on the weakness of traditional image enhancement algorithms, an enhancement algorithm with steerable filter is put forward, which uses computer vision system as hardware platform. A steerable filter is applied for taking vein information in different directions. The wavelet transform is used to fuse image for high frequency information on vein. The nonlinear unsharp masking enhancement algorithm is used to escalate vein image. Experiment results show that the new algorithm can effectively suppress noise, reduce information loss and achieve better enhancement.

Key words: image enhancement, steerable filter, wavelet transform, unsharp masking enhancement

中图分类号:

TP391.9

王依人, 邓国庆, 夏营威, 张龙, 刘勇, 张文. 基于方向可调滤波器的血管图像增强算法[J]. 系统仿真学报, 2018, 30(6): 2095-2101.

Wang Yiren, Deng Guoqing, Xia Yingwei, Zhang Long, Liu Yong, Zhang Wen. Vascular Image Enhancement Using Steerable Filters[J]. Journal of System Simulation, 2018, 30(6): 2095-2101.

参考文献

[1] JG Macdonald, Kaiyuan Yang, Jaeho Kim, et al.Vein Identification Technique[p]. US.Patent. US8287461 B2, 2012.
[2] 任泓宇. 近红外静脉图像特征增强及可视化算法[D]. 徐州: 中国矿业大学, 2014.
REN Hong-yu.Near Infrared Vein Image Feature Enhancement and Visualization Algoritihm[D]. Xuzhou: China University of Mining and Technology, 2014.
[3] 李绘卓, 范勇, 唐峻. 一种区域多直方图红外图像增强方法[J]. 计算机应用研究, 2012, 29(2): 772-773.
LI Hui-zhuo, FAN Yong, TANG Jun.Method of infrared image enhancement based on regional histogram[J]. Application Research of Computers, 2012, 29(2): 772-773.
[4] 于天河, 郝富春, 康为民, 等. 红外图像增强技术综述[J]. 红外与激光工程, 2007, 36(增2): 335-338
YU Tian-he, HAO Fu-chun, KANG Wei-min, et al.Summarization on the infrared image enhancement technology[J]. Infrared and Laser Engineering, 2007, 36(S2): 335-338.
[5] 丛晓刚. 皮下静脉红外成像技术的研究[D]. 武汉: 华中科技大学, 2007.
CONG Xiao-gang.Research on Infrared Imaging of Subcutaneous Veins[D]. Wuhan: Huazhong University of Science and Technology, 2007.
[6] 温学兵, 赵江魏, 梁学章. 基于小波去噪和直方图模板均衡化的手指静脉图像增强[J]. 吉林大学学报(理学版), 2008, 46(2): 291-292.
WEN Xue-bing, ZHAO Jiang-wei, LIANG Xue-zhang.Image Enhancement of Finger vein Patterns Based on Wavelet Denoising and Histogram Template Equalization[J]. Journal of JILIN University, 2008, 46(2): 291-292.
[7] 杨词银, 尚海波, 贾晨光, 等. 基于区域分割的自适应反锐化掩膜算法[J]. 光学精密工程, 2003, 11(2): 188-192.
YANG Ci-yin, SHANG Hai-bo, JIA Chen-guang, el at. Adaptive unsharp masking methond based on region segmentation[J]. Optics and Precision Engineering, 2003, 11(2): 188-192.
[8] 杨数强, 杨杰慧, 宋亚龙. 手指静脉图像小波增强算法[J]. 现代电子技术, 2013, 36(15): 73-75.
YANG Shu-qiang, YANG Jie-hui, SONG Ya-long.Finger vein image enhancement algorithm based on wavelet transform[J]. Modern Electronics Technique, 2013, 36(15): 73-75.
[9] 李威, 苑玮琦. 不同波长近红外光下手掌静脉图像质量分析[J]. 计算机工程与应用, 2011, 47(30): 15-18.
LI Wei, YUAN Wei-qi.Image quality analysis on palm vein under different wavelengths near-IR[J]. Computer Engineering and Applications. 2011, 47(30): 15-18.
[10] Willian T.Freeman and Edward H. Adelson, The Design and Use of Steerable Filters[J]. IEEE Trans. On PAMI (S0162-8828), Sep1991, 13(9): 891-906.
[11] 王科俊, 李雪峰, 赵玥. 基于方向滤波的指纹图像增强算法研究[J]. 模式识别与仿真, 2009, 28(7) : 54-56.
WANG Ke-jun, LI Xue-feng, ZHAO Yue.Directional Filtering-Based Fingerprint Image Enhancement[J]. Pattern Recognition and Simulation, 2009, 28(7): 54-56.
[12] 王艳霞. 掌纹识别关键技术及算法的研究[D]. 北京: 北京交通大学, 2008.
WANG Yan-xia.Research on Key Technologies and Algorithms for Palmprint Recognition[D]. Beijing: Beijing: Jiaotong University, 2008.
[13] 朱莉. 一种改进的自适应非锐化掩膜图像增强算法[J]. 微电子学与计算机, 2012, 29(6): 158-160.
ZHU Li.An Improved Adaptive Unsharp Masking Method for Real-time Image Contrast Enhancement[J]. Microeletronics & Computer, 2012, 29(6): 158-160.
[14] 尹士畅,喻松林. 基于小波变换和直方图均衡的红外图像增强[J]. 激光与红外, 2013, 43(2): 225-228.
YIN Shi-chang, YU Song-lin.Infrared image enhancement algorithm based on wavelet transform and histogram equalization[J]. Laser & Infrared, 2013, 43(2): 225-228.

基于方向可调滤波器的血管图像增强算法

Vascular Image Enhancement Using Steerable Filters

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 8

编辑推荐

Metrics

本文评价

[1]	陈涛, 王艳, 纪志成. 基于经验小波变换的光伏功率组合预测模型[J]. 系统仿真学报, 2021, 33(11): 2627-2635.
[2]	黄升, 张涛, 黄崇君, 李玉梅, 邓虎, 张霞. 井下数据获取及粘滑特征分析[J]. 系统仿真学报, 2019, 31(11): 2517-2526.
[3]	闫国强, 周宁宁, 张少白. 基于MMTD与小波硬阈值的脑电信号去噪方法[J]. 系统仿真学报, 2018, 30(4): 1490-1495.
[4]	金炜东, 胡燕花, 唐鹏, 李伟. 基于结构化森林的前向车载视频图像的细节强化[J]. 系统仿真学报, 2018, 30(12): 4602-4610.
[5]	张鸿喜, 张洁. 小波变换在舷外有源诱饵仿真模型验证中的应用[J]. 系统仿真学报, 2018, 30(1): 318-324.
[6]	赵迪, 徐志胜. 基于多分辨率奇异熵的混凝土缺陷检测[J]. 系统仿真学报, 2017, 29(4): 761-766.
[7]	周国雄, 周先雁, 王解军, 黄特. 基于小波分析—蚁群BP网络的木构件缺陷无损检测[J]. 系统仿真学报, 2015, 27(11): 2804-2810.
[8]	李豪, 李锐华, 胡波, 潘玲, 郭其一. 基于导波的大电机定子绝缘损伤定位仿真研究[J]. 系统仿真学报, 2015, 27(11): 2816-2821.