視網(wǎng)膜眼底病變圖像血管提取方法.pdf

1、視網(wǎng)膜眼底圖像是判斷眼睛疾病的重要依據(jù),基于計(jì)算機(jī)的自動(dòng)眼底圖像處理與分析系統(tǒng)在輔助醫(yī)療診斷中有重要的應(yīng)用價(jià)值。在視網(wǎng)膜眼底圖像中,血管呈樹狀網(wǎng)絡(luò)結(jié)構(gòu)布滿整個(gè)眼底圖像,是眼底視網(wǎng)膜最重要的生理結(jié)構(gòu)之一,許多疾病比如青光眼、白內(nèi)障以及糖尿病、高血壓、動(dòng)脈硬化等都會(huì)造成視網(wǎng)膜眼底微脈血管的病變,因此血管的提取對(duì)該類疾病的診斷具有重要作用。很多眼底圖像分析與識(shí)別算法需要預(yù)先獲取血管結(jié)構(gòu)信息,同時(shí)血管作為相對(duì)穩(wěn)定的生理特征結(jié)構(gòu),其分布特性及其特

2、征信息對(duì)于眼底微脈血管的病變?cè)u(píng)估,其它生理結(jié)構(gòu)如視盤、黃斑的定位,病變檢測,眼底多模態(tài)或多源圖像配準(zhǔn)與融合方面都具有難以替代的作用。
　　目前國內(nèi)外針對(duì)眼底血管的提取問題已經(jīng)開展了大量的研究工作,也取得了重要的進(jìn)展,但是目前工作主要針對(duì)正常的視網(wǎng)膜眼底圖像,在涉及有病變以及存在干擾的圖像時(shí),由于視盤、出血或其他病變區(qū)域的邊界具有類似血管的特性以及距離接近的多塊亮區(qū)域間的暗色間隙等干擾,往往難以準(zhǔn)確的提取出血管網(wǎng)絡(luò)結(jié)構(gòu)。因此,本文主

3、要針對(duì)病變圖像血管提取問題做了較深入的研究,主要包括以下內(nèi)容:
　　(1)針對(duì)在病變圖像中存在的類血管特征,特別是其它病變的邊界干擾問題,提出了一種基于Gabor匹配濾波器的非血管區(qū)域邊緣抑制方法。該抑制算法基于對(duì)稱Gabor函數(shù)特性,以及非對(duì)稱Gabor函數(shù)特性,對(duì)血管邊界以及病變區(qū)域邊界等進(jìn)行抑制,取得了良好的效果,同時(shí)結(jié)合非極大值細(xì)化和在標(biāo)準(zhǔn)滯后閾值二值化的基礎(chǔ)上提出的滯后多閾值二值化方法,進(jìn)一步排除了非血管像素殘留,很大程

4、度上濾除了病變圖像中的非血管結(jié)構(gòu),并較完整的保留了血管骨架結(jié)構(gòu)。
　　(2)以血管骨架結(jié)構(gòu)作為區(qū)域生長的種子點(diǎn),根據(jù)Gabor濾波后的響應(yīng)值以及方向特性,設(shè)計(jì)區(qū)域生長算法,在種子點(diǎn)垂直方向判斷血管寬度,按照所設(shè)計(jì)的生長準(zhǔn)則實(shí)現(xiàn)血管結(jié)構(gòu)提取,然后在區(qū)域生長的基礎(chǔ)上,進(jìn)一步采用數(shù)學(xué)形態(tài)學(xué)對(duì)提取結(jié)果進(jìn)行處理,彌補(bǔ)生長過程造成的遺漏區(qū)域,使得血管結(jié)構(gòu)更加平滑、完整。
　　本文研究所獲得眼底圖像血管檢測方法,主要解決了病變及非血管結(jié)構(gòu)