一种基于改进多任务学习的手背静脉识别方法与系统

针对当前手背静脉识别产品较为缺乏的问题,为了促进深度学习技术在手背静脉识别领域的落地应用,提出一种基于改进多任务学习的手背静脉识别方法,同时开发一套基于软硬件协同的手背静脉识别系统。来自采集手背静脉数据集上的实验结果显示,改进算法在嵌入式设备上能够取得99.59%的准确率、0.437%的等误率、小于1 s的识别时间,足以满足大多数常见应用场景对识别性能的需求,为手背静脉识别方法的落地应用提供了一种有效的解决方案。

嵌入式人体手背静脉图像采集系统的研制

针对手背静脉识别技术的应用,基于嵌入式系统研制了一套人体手背静脉血管图像采集装置。根据手背静脉成像的原理和特点,设计了该图像采集系统的结构。首先利用光学仿真软件LightTools对光源的参数进行最优化选择,并根据仿真结果设计制作了高均匀度近红外光源;然后以TMS320DM642和CMOS图像传感器为核心,构建了集图像采集和处理于一体的嵌入式处理模块,并利用灰度形态学方法对采集的图像进行预处理,进一步改善了图像质量。实验结果显示,本系统不仅可获取高质量的手背静脉血管图像,而且为手背静脉识别研究提供了嵌入式开发平台。

基于优化纹理特征的手背静脉识别系统

为了有效提取手背静脉纹理特征,并对其进行识别匹配,提出了一种基于优化Gabor核纹理特征的手背静脉识别系统。首先,设计了一套手背静脉采集装置采集静脉图像。然后,对采集到的手背静脉图像预处理后进行三层Haar小波分解,再使用不同尺度和方向的Gabor核提取低频子带图像的纹理特征,之后使用主成分分析(PCA)法对纹理特征进行降维。最后,采用基于欧式距离的最近邻分类器进行识别。本文通过采集装置建立了具有较高质量的吉林大学手背静脉图像数据库,并在其上对本系统进行了性能测试。整体实验结果表明:该手背静脉识别系统能有效提高特征的识别速度,同时可达到98.5%的识别准确率,具有一定的应用前景。

手背浅静脉和皮神经位置关系的局部解剖

目的 :为手背浅静脉穿刺提供解剖学基础。方法 :在 74具成人尸体 14 8只手标本上观察手背浅静脉和皮神经的分布及两者间的位置关系。结果 :4条掌背静脉与拇指桡侧指背静脉和小指尺侧指背静脉一起吻合成手背静脉网 ,再向近侧延续为贵要静脉、头静脉及副头静脉 ;手背皮神经主要来自桡神经浅支和尺神经手背支 ,皮神经行程较浅静脉直 ;12 5只手 (84.5 % )皮神经主干只跨过浅静脉深面或与其伴行 ,94.8%的掌背皮神经位于掌背静脉的外侧 ;由尺骨茎突、桡骨茎突和第三掌骨头围成的三角形区域内皮神经分布较少 ,且浅静脉与皮神经呈交叉关系。结论 :手腕背侧和手背中部的三角形区域为手背浅静脉穿刺的相对“安全区” ,掌背静脉外侧区域为穿刺的相对“危险区”。

基于手背静脉图像多特征稀疏表示的身份识别

为了准确地对人的身份进行识别,提出了一种对采集静脉图像的全局特征和局部特征进行稀疏表示的识别算法。该算法首先应确定静脉样本库中所有的静脉对象,并在不同光强下对每一手背静脉进行采集,此外将采集图像进行适当压缩与旋转,并将变换后的所有图像作为库中描述该静脉对象的样本;其次,分别提取该静脉对象所有样本的全局特征与局部特征,并通过求解每一特征系数向量的最小1范数,对未知静脉图像的全局与局部特征进行稀疏表示;最后,融合稀疏表示结果,完成静脉识别的过程。通过在3种光强下对200个人的手背静脉进行采集,并经过图像压缩与旋转调整后建立实验所需的静脉样本数据库,识别实验表明该识别方法正确识别率达到98%以上,并且对于采集时出现多种不合作因素具有较好的鲁棒性,同时具有较好的实用价值。

手背皮神经的分布对浅静脉穿刺部位选择的影响

目的为静脉穿刺时减少损伤皮神经,减轻疼痛,提供解削学资料。方法解剖148例手标本,观察手背皮神经和浅静脉的分布及两者间的位置关系。结果 (1)84．5％皮神经主干只跨过手背静脉网及其延续的静脉深面或与部分静脉伴行;(2)94．8％的掌背皮神经位于掌背静脉的桡侧,94．6％的小指尺侧指背神经伴行于同名静脉尺侧,97．2％的拇指桡侧指背神经伴行于同名静脉桡侧。结论熟悉手背皮神经和浅静脉之间的位置关系,有助于提高静脉穿刺的质量。

改进的双边二维线性判别分析的手背静脉识别

针对双边二维线性判别分析(B2D-LDA:Bilateral Two-Dimensional Linear Discriminant Analysis)方法中多类类别均值和总体均值接近时难以分类的问题,提出了一种改进的B2D-LDA(MB2D-LDA:Modified B2D-LDA)方法,并将其运用到手背静脉特征提取中。重新定义了类间离散度矩阵,融入了每两类类间的距离,当类别均值与总体均值接近时,则用该类和其他各类类间距离组成离散度矩阵。采用基于欧氏距离的最近邻分类器进行匹配识别。结果表明,在不增加识别时间的情况下,MB2D-LDA平均识别率比B2D-LDA高2%,证明了该算法的有效性。

基于多模板融合的异质手背静脉身份识别

针对手背静脉识别过程中的多源异质问题,分别在图像预处理和识别算法上进行改进,提出了自适应手背静脉图像的归一化配准方法,并利用位置信息对SIFT(scale-invariant feature transform,尺度不变特征变换)特征点进行精确筛选,降低了错误匹配概率,最后采用多模板融合的识别策略对异质图像进行配准识别,通过图像降维,进一步提高识别率和识别效率,使得平均识别结果达到90.17%。与其他算法的对比结果表明,该算法能够较好地解决多源异质问题对手背静脉识别所造成的影响。

多参数融合的手背静脉图像质量评价

生物特征识别系统的性能与图像质量密切相关,识别过程中大部分的错误匹配是由低质量图像导致的.根据生物特征图像质量评价参数,并结合手背静脉图像结构特点,选取了有效区域尺寸、对比度、清晰度、位置偏移和旋转角度作为手背静脉图像质量评价的参数.基于各参数改变对识别率影响曲线,提出了根据其平均斜率确定参数最优权值的方法,并利用加权的方法对各质量参数评分进行融合,最终得到手背图像总质量分数.将该算法与图像结构相似度模型进行对比实验.实验表明,得到了与图像质量主观评价相一致的结果,并保证了手背图像的最佳识别率.

基于小波分解和K2DPCA-2DLDA的手背静脉识别

提出了一种基于小波分解和二维主成分分析-二维线性判别式分析(K2DPCA-2DLDA)的手背静脉识别方法,选用db4小波基对原图进行小波分解。对其低频子图进行K2DPCA映射获得低维空间特征,通过对此低维空间特征进行2DLDA变换得到最终特征表达,利用最近邻法则进行了分类。实验结果表明,该方法能提高手背静脉识别率,有效减少识别时间。

手背静脉特征提取算法

提出一种基于有限Radon变换(FRAT)的手背静脉识别新方法.在考虑手背静脉图像"线状"特点的基础上,先将手背静脉图像"分块",再对分块后的图像进行FRAT变换,并提出一种向量非均衡分布可得最大值的方法,提取手背静脉图像纹理特征,最后通过特征匹配进行分类识别.结果表明:与传统的Hough变换和离散Radon变换相比,新方法提高了目标直线特征的检测速度;在有800个样本的数据库上进行实验,获得了96.5%的识别率,表明了算法的有效性.

手背静脉留置技术在多层螺旋冠状动脉CT血管检查中的应用

目的探讨手背静脉留置技术在冠状动脉CT血管造影检查中的应用价值。方法 103例冠脉检查患者,根据对比剂不同注射方式随机分成两组:A组(常规肘正中静脉注射),B组(手背静脉注射),行冠状动脉CT检查,所得数据经后处理工作站重建。对所得冠状动脉段图像质量进行评分,并测量室间隔CT值及主动脉根部、左主干及右冠状动脉起始部血管腔内CT值、噪声(N),同时计算信噪比(SNR)、对比噪声比(CNR)。结果 2组间图像质量差异无统计学意义(P> 0.05);2组血管腔强化CT值仅右冠状动脉起始部差异有统计学意义(P <0.05),余主动脉根部、左主干血管强化CT值及噪声、SNR、CNR差异均无统计学意义(P> 0.05)。亚组分析显示不同体质量指数组患者SNR、CNR均无统计学意义(P> 0.05)。结论手背静脉留置技术可得到较好的冠状动脉CT图像。

一种基于双PCA的动态空间手背静脉图像合成方法

目前对手背静脉识别问题的研究大多是在较小规模的数据上进行,几乎没有在大样本情况下对手背静脉识别进行实验.因此,为了扩充手背静脉样本库提出了一种新的手背静脉图像合成方法,其基本思想是源于PCA(principal component analysis)原理,将用于合成的样本分为2组,对一组进行主成份分析构造特征空间,再由另一组向特征空间投影得到的投影系数构造投影空间,最后利用投影空间的投影系数在特征空间上进行PCA重建,从而融合双空间的信息达到图像合成的目的.通过对分组选取的动态更新,可以大量地合成手背静脉图像样本.由此,在实际实验中在拥有94个人的原始图像数据库的基础上建立一个拥有8 007个人的合成图像数据库.合成图像数据库的识别率达到97.84%.良好的识别率说明了合成图像数据库今后可以用于手背静脉相关的模拟测试中.

脊波分析在手背静脉识别中的应用

提出一种基于改进的有限脊波变换的手背静脉识别算法.利用脊波理论适合于表示直线奇异性的特点,对手背静脉特征进行分析.使用改进的有限脊波变换对手背静脉图像进行分解,得到不同分解尺度下手背静脉的多分辨脊波特征,再通过定义多分辨脊波特征距离进行模式匹配.实验结果表明,与传统静脉特征提取方法相比,该方法较完整地保留了静脉的原始信息,提高了运行速度并降低了算法复杂度.

基于图像质量参数优化的异质手背静脉图像识别算法的研究

为更好地解决手异质背静脉图像识别问题,本文综合分析了图像采集过程及手背图像的自身特性.图像的有效区域、旋转、位置偏移、对比度、模糊度是造成异质的重要参数.为解决异质手背图像识别问题,提升同类样本的结构相似度,对上述5个质量参数进行优化调整,然后通过实验找出适合不同算法的最佳感兴趣区域(ROI)尺寸.实验结果表明,该方法可以有效提升不同算法对异质手背图像的识别率.

基于LBP和多层次结构的异质手背静脉身份识别

针对多源异质的手背静脉异质图像的识别研究,提出了基于LBP和多层次结构的识别算法;首先对图像做适当的预处理,然后将LBP特征提取算法编码的手背静脉纹理特征图像作为多层次结构的输入,通过多层次结构的逐层由具体到抽象的特征提取,得到的特征具有更大的鲁棒性;最后该算法在多源异质的手背静脉图像库得到的识别率比传统的算法识别率高,达到96.57%;进一步表明该算法能够较好地解决由于多源异质问题对手背静脉识别所造成的识别率低的影响。

基于多图融合和改进Xception网络的跨设备手背静脉识别研究

手背静脉是一种新兴的生物特征识别技术,相比其他生物特征具有唯一性、防伪造性、稳定性和非接触性等明显优势;由于采集设备和采集环境的不同,手背静脉灰度图像存在亮度、角度旋转、尺度缩放等差异,识别率较低;由此提出一种基于多图融合和Xception网络的手背静脉识别算法;首先在图像预处理后分割得到二值纹理图,然后将二值图转换为距离图,再由二值图细化得到骨架图;最后融合二值图、距离图和骨架图,得到包含纹理特征和形状特征的三通道合并图;采用Xception结构作为分类网络,并将其激活函数ReLU改为非线性更强的h-swish激活函数;相关实验在由实验室自建的1库和2库两个数据库上进行,其中1库作为训练集,2库作为测试集,最高识别率达到93.54%.

跨设备条件下手背静脉识别方法的研究

在不同采集设备、测试环境和手背姿态等弱约束条件下,采集到的手背静脉图像存在光照对比度差异、位置偏移以及角度旋转等问题,导致图像识别精度较差。针对该问题,提出一种基于二维小波分解提取关键点和基于生物视觉生成特征描述子的手背静脉识别方法。依据手背静脉的纹理特征,使用小波分解提取其高频分量,最终选定垂直+对角分量确定更鲁棒的关键点;基于生物视觉特性,调整描述子的结构参数使其更适用于手背静脉。将该方法用于两个不同设备采集的手背静脉数据库,其识别率达到93.4%。

温生姜水浸泡联合甩手垂扎法快速充盈手背高难穿刺静脉

目的探讨温生姜水浸泡联合甩手垂扎法快速充盈手背高难穿刺静脉的效果。方法将手背高难穿刺静脉患者165例随机分为观察1组、观察2组和对照组各55例。观察1组静脉穿刺前采用热水浸手并甩手垂扎压脉带,观察2组静脉穿刺前采用生姜水浸手并甩手垂扎压脉带,对照组采用热水袋热敷手背部后在输液台扎压脉带。比较三组患者静脉充盈程度、一次静脉穿刺成功率。结果三组手背静脉充盈效果和一次穿刺成功率比较,差异有统计学意义(均P<0.01),其中观察2组效果最好。结论手背高难穿刺静脉患者采用温生姜水浸泡联合甩手垂扎法有助于静脉快速充盈,提高一次穿刺成功率。

基于二维经验模式分解的手背静脉提取

静脉血管成像是散射光成像,因此静脉血管图像和普通的光入射直接成像不同,静脉血管图像模糊,没有清晰的血管结构。二维经验模式分解能够自适应地把一幅图像按尺度分解为一系列IMF子图像和残余图像,IMF子图像带有原始图像的细节信息,残余图像表达了原始图像的趋势信息,代表了图像的基本结构。为此,针对手背静脉图像,提出利用经验模式分解得到的残余图像代表原始图像的基本结构这一特性来提取出静脉结构,并与传统的静脉提取方法进行对比。最后,仿真分析验证了该方法的可行性和有效性。