視網(wǎng)膜血管圖像增強(qiáng)與檢測.pdf

1、血管疾病是當(dāng)今威脅人類健康的常見疾病，血管疾病的預(yù)防和診斷有重要的意義。但血管在人體組織中的分布復(fù)雜密集，形狀規(guī)則不一，細(xì)小血管對比度低，不利于醫(yī)生利用影像對病情進(jìn)行診斷。因此需要通過各種圖像處理方法抑制血管鄰近組織和噪聲干擾，同時實(shí)現(xiàn)血管增強(qiáng)和精準(zhǔn)定位，為醫(yī)生提供更可靠的信息，便于臨床診斷和治療。本文的研究內(nèi)容主要包括以下三個方面：
　　(1)結(jié)構(gòu)張量是一種基于一階梯度響應(yīng)的結(jié)構(gòu)檢測算子，一般只適用于階梯邊的目標(biāo)檢測，而Hess

2、ian矩陣屬于二階微分算子，可用于類似于脊的形狀檢測。本文將結(jié)構(gòu)張量與Hessian矩陣相結(jié)合，應(yīng)用于血管的檢測，這樣兼顧了血管的軸線檢測和邊界定位，從而達(dá)到血管整體增強(qiáng)的目的。另外，通過分析梯度向量流在血管軸的擴(kuò)散分布，發(fā)現(xiàn)可將它用于血管中心線定位，將其與結(jié)構(gòu)張量相結(jié)合，利用結(jié)構(gòu)張量對梯度向量的平均統(tǒng)計(jì)，從而達(dá)到了血管脊的增強(qiáng)。
　　(2)傳統(tǒng)Hessian分析血管濾波方法，在檢測血管二階結(jié)構(gòu)的同時會對其它階躍信號產(chǎn)生較強(qiáng)的偽響

3、應(yīng)，導(dǎo)致檢測不準(zhǔn)確。本文采用非線性高斯微分方法，將血管兩側(cè)與一階高斯導(dǎo)數(shù)卷積，取兩者響應(yīng)最小值，實(shí)現(xiàn)了對血管脊的檢測，并有效抑制階躍噪聲。該方法與Hough變換結(jié)合，可用于工業(yè)紙張側(cè)面圖中的管狀端面檢測，從而實(shí)現(xiàn)疊層紙張的精確計(jì)數(shù)。
　　(3)傳統(tǒng)的追蹤分割方法雖然實(shí)現(xiàn)簡單，但需要人工植入種子點(diǎn)，不能實(shí)現(xiàn)自動分割，并且對噪聲敏感。本文采用最短路徑血管追蹤分割方法，依賴血管先驗(yàn)知識，包括血管尺度和方向的估計(jì)，來追蹤具有相似特征的像素