欢迎来到天天文库
浏览记录
ID:21547242
大小:24.50 KB
页数:4页
时间:2018-10-22
《一种视网膜眼底图像血管分割方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、一种视网膜眼底图像血管分割方法 摘要本文提出了一种改进的视网膜血管分割算法,结合了多尺度线性检测与图像的灰度-梯度共生矩阵的方法。首先,提取图像中包含血管轮廓信息丰富的绿色分量,进行预处理;其次,基于血管的形态结构特征,对视网膜图像血管采取多尺度多方向的线性检测,获得血管图像的特征;最后,基于图像的灰度―梯度共生矩阵,计算最佳熵阈值进行分割。实验表明该方法分割准确度高,计算速度快,鲁棒性好。 【关键词】视网膜图像多尺度线性检测器共生矩阵血管分割 视网膜血管,是全身微循环系统的重要组成部分,其形态结构的变化与糖尿病,高血压,等心血
2、管疾病的严重程度密切相关。通过提取视网膜血管,分析血管管径,弯曲度等特征,能很大程度上对心血管疾病进行预测,从而实施科学的预防性干预和药物治疗。视网膜位于眼底玻璃体后,呈凹面体,眼底图像光照不均匀,中央亮,四周暗,血管与背景的对比度弱及存在一些干扰。 Chaudhuri提出了二维匹配滤波的方法,血管结构得到增强的同时易丢失细小血管。Thitiporn提出基于局部熵阈值的血管分割方法,仅对正常的视网膜图像实现较好分割。Nguyen提出了多尺度线性检测方法。此外,众多学者对分割方法进行了深入研究。 本文提出了一种改进的血管分割方法,利
3、用多方向多尺度的线性检测器,基于灰度―梯度共生矩阵,计算其最佳熵阈值进行血管分割。 1算法描述 本文算法包括: (1)预处理; (2)多方向多尺度线性检测; (3)基于灰度―梯度共生矩阵,计算图像的最佳熵阈值。 1.1预处理 彩色眼底图像为RGB图像,选取血管轮廓信息丰富且对比度较强的绿色分量,如图1所示。绿色分量光照不均匀,动态范围小,需进行预处理,包括:阴影修正,降噪,CLAHE。 1.2多尺度多方向线性检测 本文采用多尺度多方向的线性检测器对图像Ig进行检测。窗口宽度为W,L为线性滤波器的尺度,n为窗口内的像素
4、个数。较长的L用于检测中央反射区,较短的则可避免出现紧靠的血管不易分割。图像的特征响应为,是窗口内的平均灰度值; ,是检测线上的平均灰度值,当检测线的方向和血管方向相同时,IWl最大,记为IWmax。 检测器的核心思想是取尺度为L的检测线,以15度为间隔旋转,改变L可构成多尺度线性检测器。图2为检测窗口为15×15,L为11的线性检测器。增强后的图像为 其中。 1.3阈值分割 Nguyen提出的算法中,对R'的分割选取了固定值t=0.56。本文中,采用了灰度―梯度共生矩阵来计算R'的最大熵阈值。该矩阵反映了图像中灰度和梯度的
5、分布规律,还能够表示各像素点与其邻域像素点的空间关系。 如图4所示,A表示血管,C表示背景。设定阈值在(s,s)处,血管的灰度值较低,而背景较高,且各自内部的灰度级分布较均匀,梯度值较低。梯度值越大越有可能为血管边缘。A中tij表示i属于目标j属于边缘的转移个数,C中tij表示i属于背景j属于边缘的转移个数。 统计A和C两个象限的概率并进行归一化得到PAij和PCij,其中 2实验结果与分析 选取DRIVE数据库里的20幅图像进行血管分割。如图5所示,本算法能够正确分割中央存在反射的血管,不会对紧靠的血管产生错误分割。此外,还
6、能分割出更多的细小血管,结果更接近手工分割。分析图6可知,本算法对弯曲度较大的眼底图像分割效果较好。 本文采用局部准确度(LACC)来分析算法的分割性能。对标准图像采用大小为S的形态学结构算子进行膨胀处理,得到的图像作为局部准确度分析的掩膜图像。S越小,其测量误差主要来自于将血管误分为背景。选取DRIVE数据库进行分析,由图7可知,S<5时,本文的LACC高于Nguyen算法,更接近手工分割。 3总结 本文提出了一种改进的眼底图像血管分割算法,对图像进行预处理,利用多方向多尺度的线性检测器提取血管特征,利用灰度―梯度共生矩阵,计
7、算最佳熵阈值。本算法较好地处理中央血管和分割紧靠血管,分割出更多细小的血管,简单有效,鲁棒性好。 参考文献 [1]ChaudhuriS.Detectionofbloodvesselsinretinalimagesusingtwo-dimensionalmatchedfilters[J].IEEETransactionsonMedicalImaging,1989,8(03):263-269. [2]ThitipornChanwimaluang.Anefficientbloodvesseldetectionalgorithmforr
8、etinalimagesusinglocalentropythresholding[A].Proceedingsofthe2003InternationalSymposiumonICASSP[C].HongKong:[s
此文档下载收益归作者所有