[发明专利]一种应用于静脉扎针机器人血管识别的数据库增强方法

说明书

本发明涉及一种应用于静脉扎针机器人血管识别的数据库增强方法，包括：对原血管图像集分别进行上下翻转和左右翻转，得到第一血管图像增强集和第二血管图像增强集；对原血管图像集进行旋转操作，得到第三血管图像增强集；对原血管图像集进行缩放操作，得到第四血管图像增强集；对原血管图像集的亮度进行调整，得到第五血管图像增强集；对原血管图像集进行平移，得到第六血管图像增强集；对原血管图像集添加椒盐噪声，得到第七血管图像增强集；集合原血管图像集和上述图像增强集，构成增强后的用于血管识别的数据库。与现有技术相比，本发明对原有数据集进行扩充，且避免了图像数据扩增后图片的相似重合度过高的问题，使模型鲁棒性大大提高。

技术领域

本发明涉及血管识别技术领域，尤其是涉及一种应用于静脉扎针机器人血管识别的数据库增强方法。

背景技术

计算机视觉是一门试图通过图像处理或视频处理而使计算机具备“看”的能力的学科。通过理解图像形成的几何和辐射线测定，接受器的属性和物理世界的属性，就有可能从图像中推断出关于事物的有用信息。长久以来，计算机视觉就是深度学习应用中几个最活跃的研究方向之一。深度学习中许多流行的标准基准任务包括对象识别和光学字符识别。计算机视觉是一个非常广阔的发展领域，其中包括多种多样的处理图片的方式以及应用方向。大多数计算机视觉中的深度学习往往用于对象识别或者某种形式的检测。

目前在医疗领域尤其是血管识别方面，深度神经网络表现良好，但这些网络通常需要大量数据才能避免过度拟合。遗憾的是，许多场景无法获得大量数据，如医学图像分析。因而大多数视觉技术是脆弱，缺乏鲁棒性的，相机、超声探头的微小变化可能会导致系统出错，另外，在血管识别方面红外摄像可能会有一些频率域的干扰，例如椒盐噪点。而系统需要在各种条件下工作，且能适度地、快速地从错误中恢复。

发明内容

本发明的目的就是为了克服上述现有技术存在采血机器人识别血管时无法获得大量数据，大多数视觉技术缺乏鲁棒性，相机、超声探头的微小变化可能会导致系统出错的缺陷而提供一种应用于静脉扎针机器人血管识别的数据库增强方法。

本发明的目的可以通过以下技术方案来实现：

一种应用于静脉扎针机器人血管识别的数据库增强方法，其特征在于，包括以下步骤：

获取原血管图像集；

对所述原血管图像集分别进行上下翻转和左右翻转，得到第一血管图像增强集和第二血管图像增强集；

对所述原血管图像集进行旋转操作，得到第三血管图像增强集；

对所述原血管图像集进行缩放操作，得到第四血管图像增强集；

对所述原血管图像集的亮度进行调整，得到第五血管图像增强集；

对所述原血管图像集进行平移，得到第六血管图像增强集；

对所述原血管图像集添加椒盐噪声，得到第七血管图像增强集；

集合所述原血管图像集、第一血管图像增强集、第二血管图像增强集、第三血管图像增强集、第四血管图像增强集、第五血管图像增强集、第六血管图像增强集和第七血管图像增强集，构成增强后的数据库，用于静脉扎针机器人的血管识别。

进一步地，所述对原血管图像集进行平移具体为，

对原血管图像集中的每个图像，先创建与原图像大小相同的空三维矩阵，之后将原图像每个像素点按照矩阵乘法计算式计算后的RGB值填入空白矩阵对应位置；若平移后超出范围，则直接将该像素点丢弃，所有像素点全部处理完后，得到平移后的血管图像。

进一步地，所述矩阵乘法计算式的表达式为：