視網膜眼底病變圖像血管提取方法.pdf

1、視網膜眼底圖像是判斷眼睛疾病的重要依據,基于計算機的自動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用價值。在視網膜眼底圖像中,血管呈樹狀網絡結構布滿整個眼底圖像,是眼底視網膜最重要的生理結構之一,許多疾病比如青光眼、白內障以及糖尿病、高血壓、動脈硬化等都會造成視網膜眼底微脈血管的病變,因此血管的提取對該類疾病的診斷具有重要作用。很多眼底圖像分析與識別算法需要預先獲取血管結構信息,同時血管作為相對穩(wěn)定的生理特征結構,其分布特性及其特

2、征信息對于眼底微脈血管的病變評估,其它生理結構如視盤、黃斑的定位,病變檢測,眼底多模態(tài)或多源圖像配準與融合方面都具有難以替代的作用。
　　目前國內外針對眼底血管的提取問題已經開展了大量的研究工作,也取得了重要的進展,但是目前工作主要針對正常的視網膜眼底圖像,在涉及有病變以及存在干擾的圖像時,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,往往難以準確的提取出血管網絡結構。因此,本文主

3、要針對病變圖像血管提取問題做了較深入的研究,主要包括以下內容:
　　(1)針對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。該抑制算法基于對稱Gabor函數(shù)特性,以及非對稱Gabor函數(shù)特性,對血管邊界以及病變區(qū)域邊界等進行抑制,取得了良好的效果,同時結合非極大值細化和在標準滯后閾值二值化的基礎上提出的滯后多閾值二值化方法,進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構,并較完整的保留了血管骨架結構。
　　(2)以血管骨架結構作為區(qū)域生長的種子點,根據Gabor濾波后的響應值以及方向特性,設計區(qū)域生長算法,在種子點垂直方向判斷血管寬度,按照所設計的生長準則實現(xiàn)血管結構提取,然后在區(qū)域生長的基礎上,進一步采用數(shù)學形態(tài)學對提取結果進行處理,彌補生長過程造成的遺漏區(qū)域,使得血管結構更加平滑、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構