手背静脉注射部分的图像提取研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第15-22页 |
| 1.1 课题研究背景及现实意义 | 第15页 |
| 1.2 国内外的研究现状 | 第15-17页 |
| 1.3 树莓派（Raspberry Pi）概述 | 第17-21页 |
| 1.3.1 Raspberry Pi结构 | 第17-19页 |
| 1.3.2 Raspberry Pi系统 | 第19页 |
| 1.3.3 Raspberry Pi的应用 | 第19-21页 |
| 1.4 论文主要研究内容和章节安排 | 第21-22页 |
| 2 手背静脉图像提取系统的总体设计 | 第22-33页 |
| 2.1 手背静脉图像提取系统的总体框架 | 第22-23页 |
| 2.2 手背静脉成像原理 | 第23页 |
| 2.3 实验装置的搭建 | 第23-27页 |
| 2.3.1 光源的选取 | 第23-25页 |
| 2.3.2 摄像头 | 第25-26页 |
| 2.3.3 红外滤光片 | 第26-27页 |
| 2.4 系统软件的设计与实现 | 第27-32页 |
| 2.4.1 选择操作系统 | 第27页 |
| 2.4.2 烧录操作系统 | 第27-28页 |
| 2.4.3 启动系统 | 第28页 |
| 2.4.4 配置摄像头 | 第28-31页 |
| 2.4.5 编程环境 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 手背静脉图像预处理算法的研究 | 第33-52页 |
| 3.1 手背静脉图像有效区域（ROI）提取 | 第33-35页 |
| 3.2 灰度归一化 | 第35-36页 |
| 3.3 两种典型的图像去噪方法 | 第36-38页 |
| 3.3.1 均值滤波 | 第36-37页 |
| 3.3.2 中值滤波 | 第37-38页 |
| 3.4 基于一维灰度的手背静脉图像分割 | 第38-42页 |
| 3.4.1 两种典型的阈值分割 | 第39-41页 |
| 3.4.2 基于一维灰度的静脉分割 | 第41-42页 |
| 3.5 基于形态学的静脉分割图像的后续处理 | 第42-46页 |
| 3.5.1 形态学基础 | 第42-43页 |
| 3.5.2 腐蚀与膨胀运算 | 第43-45页 |
| 3.5.3 区域、对象及特性度量 | 第45-46页 |
| 3.6 实验结果分析 | 第46-51页 |
| 3.6.1 步长r和高度h的选取 | 第46-47页 |
| 3.6.2 三种分割算法的比较 | 第47-49页 |
| 3.6.3 不同类型的静脉图像一维灰度分割效果 | 第49-50页 |
| 3.6.4 静脉图像的后续处理实验效果 | 第50-51页 |
| 3.7 本章小结 | 第51-52页 |
| 4 手背静脉图像的提取与注射部分的标注 | 第52-67页 |
| 4.1 图像细化 | 第52-57页 |
| 4.1.1 细化算法的基本原理 | 第52-53页 |
| 4.1.2 Zhang快速并行细化算法 | 第53-54页 |
| 4.1.3 Rosenfeld细化算法 | 第54-55页 |
| 4.1.4 本文的细化算法 | 第55-56页 |
| 4.1.5 细化图像中特征点的提取 | 第56-57页 |
| 4.2 区域生长 | 第57-59页 |
| 4.2.1 区域生长的原理和步骤 | 第57-58页 |
| 4.2.2 改进的区域生长法 | 第58-59页 |
| 4.3 手背静脉的局部提取 | 第59-60页 |
| 4.4 最佳注射部位的模板匹配与标注 | 第60-62页 |
| 4.4.1 模式识别主要理论和方法 | 第60页 |
| 4.4.2 模板匹配 | 第60-62页 |
| 4.4.3 标注最佳静脉注射区域 | 第62页 |
| 4.5 实验结果分析 | 第62-66页 |
| 4.5.1 三种细化方法的比较结果 | 第62-63页 |
| 4.5.2 最佳注射区域的提取过程与标注的结果 | 第63-66页 |
| 4.6 本章小结 | 第66-67页 |
| 5 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 作者简历 | 第72页 |
