基于Curvelet變換和形態(tài)學的視網(wǎng)膜血管分割.pdf

1、視網(wǎng)膜是人眼最里層的結構,包括人體一些重要的生理結構。血管是視網(wǎng)膜圖像中最主要的結構。許多疾病可以引起視網(wǎng)膜血管的形狀和結構的改變,所以可以通過視網(wǎng)膜血管進行分析對一些疾病做早期的診斷和預防。傳統(tǒng)的人工視網(wǎng)膜血管分割是一項即耗時又繁瑣的任務。而且視網(wǎng)膜圖像的固有特性使得視網(wǎng)膜圖像血管檢測有一定的困難。目前已有許多研究者提出了很多關于視網(wǎng)膜血管分割的方法,已取得比較好的效果。但這些方法中存在一些問題,主要是在低對比度的背景里會丟失一些細小

2、的血管。因此研究和實現(xiàn)視網(wǎng)膜血管自動有效快速的分割具有重要的理論與實際意義。
　　本文首先依據(jù)曲波變換(Curvelet變換)具有很強的邊緣表達能力,提出了一種基于Curvelet變換的視網(wǎng)膜血管對比度增強的方法,通過修改Curvelet變換的系數(shù),使重建圖像達到圖像對比度增強。具體方法是引進了一種非線性函數(shù)來修改視網(wǎng)膜圖像Curvelet變換的系數(shù),對小的Curvelet變換系數(shù)進行放大。這種非線性函數(shù)參數(shù)的選取依據(jù)圖像Curv

3、elet變換系數(shù)的一些特性。這種方法能夠有效提高視網(wǎng)膜血管的對比度。然后,采用改進的高帽變換來對視網(wǎng)膜圖像進行血管邊緣檢測,由于元素具有很強的方向性,為了能夠更好的檢測邊緣,我們采用了形態(tài)學中多結構元素,再用形態(tài)學重構方法對檢測出的血管邊緣圖像去除不屬于血管樹的偽邊緣,同時盡量保留細小的血管。最后,采用了基于熵的閾值分割方法實現(xiàn)血管分割。
　　本文方法在公開的DRIVE數(shù)據(jù)庫上進行了實驗和性能評價。實驗結果表明本文方法能檢測出所有