基于Hessian矩阵的视网膜血管中心线提取.pdf

《基于Hessian矩阵的视网膜血管中心线提取.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、462011年1月中国制造业信息化第40卷第1期基于Hessian矩阵的视网膜血管中心线提取周琳，沈建新，廖文和，王玉亮(南京航空航天大学机电学院，江苏南京210016)摘要：为实现视网膜血管在临床诊断中的重要作用，提出了一种基于Hessian矩阵的视网膜血管提取方法，该方法通过图像预处理增强血管信息，利用血管的微分几何特性，采用离散高斯核对眼底图像进行卷积，结合Hexsian矩阵计算血管方向，通过连接算法得到视网膜血管的分布情况。实验结果表明，该方法提取血管中心线的精度可达亚像素级，对不同眼底照相机拍摄的眼底图像

2、可根据血管宽度进行多尺度快速分割。关键词：眼底图像；视网膜血管；血管中心线；Hessian矩阵中图分类号：TP391文献标识码：A文章编号：1672—1616(2011)01—0046—04视网膜血管作为人体惟一可以非创伤性直接本文提出一种基于Hessian矩阵的视网膜血观察的较深层的微血管，其病变可以反映高血压、管提取方法，该方法可以快速准确地提取视网膜血糖尿病、动脉硬化、心血管疾病和中风等全身性疾管的中心线，精度达到亚像素级。病。通过观察视网膜血管的变化来协助全身性疾病的早期诊断在诊断技术上具有重要意义_1。因

3、1眼底图像预处理此，准确分割视网膜血管网络，精确计算其直径、角本文所处理的图像来自于国产的眼底照相机，度、弯曲程度等信息，具有重要的科学研究价值。均为1600像素×1200像素的24bits真彩色图然而在眼底成像过程中，由于眼底照相机光学像。由于眼底图像常存在成像时光照不均，血管中系统固有的或设计上的原因，存在着若干缺陷，使一t2,和周围纹理存在反射，血管与背景对比度太低，眼底图像表现出畸变、图像模糊、光照不均等，给后灰度分布集中等现象，给眼底图像处理带来困难，续图像处理与分析带来很大的困难。国内外很多因此需要进行

4、有效的预处理，增强图像对比度，改学者对视网膜分割的方法进行了研究，如：Chaud—善分割效果。hurl[2j等发现血管横截面的灰度特性可以用高斯分别提取眼底图像的红、绿、蓝三通道的图像，曲线拟合，并生成12个方向的匹配滤波器来检测通过对比发现，绿色通道图像包含较多的有效信息血管，该方法可有效增强血管，但容易丢失血管交和较好的对比度。为解决图像中存在的灰度分布叉点；朱宏擎J使用灰度一梯度共生矩阵的最大集中，对比度低的问题，采用直方图均衡化方法处熵阈值化方法分割血管，该方法同时利用了图像的理后，将灰度扩展至0～255的

5、范围，眼底图像原图灰度和梯度信息，选用三次B样条小波计算梯度，及增强后的图像如图1所示。速度较慢；SoaresEJ采用bOr—Wavelet变换方法提取符合标准图像特征的像素或区域作为分割结2视网膜血管分割技术果，该方法利用了血管标准图像信息，分割结果较好，但需要大量预先分割的标准图像；陈后金、李居2．1Hessian矩阵原理朋E5j等提出基于先验知识随机游走模型的视网膜令J(z，)表示二维图像在(．72，Y)坐标下的血管分割方法，在分析视网膜血管特征的基础上，灰度值，输入图像J(-z，v)可以看作一个三维曲构建归

6、一化梯度向量散度场，针对高、低对比度血面，即{(，，z)i=，(z，Y)}，二维图像灰度的管采用不同的定向拉普拉斯算子提取血管中一t2,线，变化可以用此三维曲面的曲率表示。曲面在(X，)并将先验知识随机游走模型应用于图像分割。坐标下的曲率可以用Hessian矩阵来定义。收稿日期：2010—08—27作者简介：周琳(1986)，女，山东枣庄人，南京航空航天大学硕士研究生，主要研究方向为计算机辅助生物医疗工程。·应用研究·周琳沈建新廖文和等基于Hessian矩阵的视网膜血管中心线提取47(a)原图(b)预处理结果图1眼

7、底图像原图及预处理结果Hcz，，=[乏：；Ixy、(～X，,y，)]c-，式中：cz，=edt；cr5~数的宽度参数，式中：(z，Y)，(，)，f(z，)，Ixx(z，)控制了函数的径向作用范围，对不同宽度的血管，表示图像的二阶方向导数。可以通过调整仃进行多尺度分割。Hessian矩阵的特征值和特征向量表示了图像的本质特征[。其中，幅值最大的特征值对应的特征向量代表三维曲面曲率最大的方向，幅值最小的特征值对应的特征向量代表曲率最小的方向。对于二维图像，其Hessian矩阵为2×2的实对称矩阵，因而具有2个实特征值。

8、Hessian矩阵的这一几何意义可以用来提取指纹图像中的脊线、医学图像的分割等。本文方法根据Hessian矩阵来确定眼底图像中视网膜血管的法线方向，然后通过求解法线方向上的极值点得到血管中心线的位置。2．2基于Hessian矩阵的血管中心点提取文献[2]指出，血管剖面的灰度近似呈高斯分布，因此可将血管中心线看作线条边缘，血管边界(a)阶跃边缘(b)线条边缘看