论文部分内容阅读
中国已进入人口老龄化社会阶段,老年人患有眼疾的可能性也在逐年增加,如何快速有效地检测出眼部疾病便成了亟待解决的课题。眼底位于眼球内表层,相对于晶状体,包括视网膜、视神经盘、黄斑部、视网膜中央窝、后极等部分。医生通过检测眼底中的病变,能够辨别病人患有的疾病,并能预测早期糖尿病的发生。通常,为了进行眼底疾病的检测,医生将为患者进行眼底图片的拍摄,拍摄的方法有彩色图像、红外(IR)图像、超声图像、以及新兴的放射状光学相干层析(OCT)图像。本文所研究的主要内容是与眼睛有关的医学图像处理,包括: OCT眼底图像的层分割、彩色和红外眼底图像的OD(Optic Disc,视神经盘)中心检测。本文的主要工作为:1.基于双边滤波、Canny算子、形态学操作、以及动态规划计算最短路径算法的OCT眼底图像层分割;双边滤波大大降低了源OCT眼底图像中的噪声,同时保持了可见层各层之间的边缘信息;Canny算子在双边滤波处理结果的基础上搜索明显程度不一的各层,并在结果上加以强化;形态学操作进一步减少图像中较小的不重要的细节信息;最后在加权了原图像信息、大核高斯滤波轴向梯度信息、Canny算子信息的最终图像上进行动态规划,搜索代价函数最小的一条路径,作为这个参数组下的最优路径,即一层。使用不同的参数组进行搜索,就能够得到不同的眼底分层。2.在视神经盘中心检测部分,采用两种算法:对于彩色眼底图像,采用高斯血管检测器(Gaussian Vessel Detector)将血管区域检测出来作为感兴趣区域(Region ofInterest, ROI),在原图像血管部分像素用周围非血管像素区域进行替换,从而达到剔出血管影响的目的;而后,采用边缘检测算法,检测出潜在的视神经盘边缘,最后使用类似Hough变换的切线变换以及椭圆自身的性质检测出视神经盘中心。对于灰度的红外眼底图像,首先进行尺度较大的高斯模糊,去除血管影响,而后使用设计的线性算子对去除血管图像进行处理,这种线性算子只对圆形局部的亮度变化敏感,最后在结果图中搜索预定义的圆形模板,其差异度最小的一个区域的坐标平均值被作为视神经盘中心。本文所提出的算法对来自TopCon的OCT眼底图像和IR眼底图像以及标准眼底库S.T.A.R.E中的图片取得了比较好的结果。