眼底圖像血管分割方法研究與實(shí)現(xiàn).pdf

1、眼底圖像的血管分析是當(dāng)前診斷眼疾病以及糖尿病、高血壓等全身性心腦血管疾病的重要依據(jù)之一。隨著眼底圖像數(shù)據(jù)的急劇增長(zhǎng)，醫(yī)生如果僅靠人工觀察和經(jīng)驗(yàn)診斷不僅效率低而且主觀性強(qiáng)。因此，使用計(jì)算機(jī)來(lái)自動(dòng)檢測(cè)和分割眼底圖像中的血管網(wǎng)絡(luò)具有重要的臨床意義。
　　雖然大量已有的視網(wǎng)膜血管分割算法取得了較好的效果，但對(duì)病變眼底圖像效果一般，且血管分支點(diǎn)、交叉點(diǎn)以及細(xì)血管的丟失等瓶頸問(wèn)題依然存在。另外，視網(wǎng)膜血管自動(dòng)分割算法需要人工標(biāo)記的標(biāo)準(zhǔn)血管網(wǎng)絡(luò)

2、進(jìn)行驗(yàn)證，而人工標(biāo)記眼底圖像需要耗費(fèi)大量的時(shí)間和精力。針對(duì)這些問(wèn)題，本文基于彩色眼底圖像主要從視網(wǎng)膜血管的自動(dòng)分割與交互式分割兩個(gè)方面展開(kāi)研究工作:
　　針對(duì)已有視網(wǎng)膜血管自動(dòng)分割方法魯棒性差的問(wèn)題，本文提出了基于梯度向量場(chǎng)散度和形態(tài)學(xué)底帽變換的視網(wǎng)膜血管分割方法。該方法首先通過(guò)計(jì)算歸一化梯度向量場(chǎng)的散度來(lái)提取眼底圖像中的血管中心線(xiàn)，該中心線(xiàn)能夠很好地去除病變和噪聲的影響;然后通過(guò)多尺度多方向的底帽變換操作提取主要的血管區(qū)域;并根

3、據(jù)血管區(qū)域像素到中心線(xiàn)的距離將距中心線(xiàn)較遠(yuǎn)的血管像素視為病變或噪聲去除;最后通過(guò)判斷去噪前后血管連通域數(shù)量的改變修補(bǔ)被去掉的血管交叉點(diǎn)和分支點(diǎn)，得到最終的血管分割結(jié)果。
　　針對(duì)視網(wǎng)膜血管自動(dòng)分割方法與人工標(biāo)記眼底圖像的雙重矛盾問(wèn)題，本文提出了基于等梯度距離的雙向區(qū)域增長(zhǎng)的視網(wǎng)膜血管交互式分割方法。該方法在用戶(hù)標(biāo)記好局部血管和背景的前提下，計(jì)算出該局部區(qū)域的等梯度距離圖，并將標(biāo)記好的血管和背景作為種子點(diǎn)對(duì)等梯度距離圖進(jìn)行雙向區(qū)域增

4、長(zhǎng)，然后對(duì)得到的血管結(jié)果進(jìn)行基于中心線(xiàn)自適應(yīng)和鄰域自適應(yīng)的邊緣優(yōu)化，得到最終的血管分割結(jié)果。
　　本文采用國(guó)際上公認(rèn)的兩個(gè)彩色眼底圖像庫(kù)DRIVE和STARE進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果表明，基于梯度向量場(chǎng)散度和形態(tài)學(xué)底帽變換的視網(wǎng)膜血管分割算法能獲得比較高的準(zhǔn)確度、靈敏度和特異性，算法性能優(yōu)于其他已有算法，且對(duì)于病變視網(wǎng)膜圖像具有很好的魯棒性?；诘忍荻染嚯x的雙向區(qū)域增長(zhǎng)的視網(wǎng)膜血管交互式分割方法能夠達(dá)到實(shí)時(shí)性要求，該方法能獲得與專(zhuān)家分割