论文部分内容阅读
眼底视网膜血管是人体唯一可以临床上直接观察的较深层微血管,其血管直径、弯曲程度和颜色等的结构变化与多种眼部疾病,以及高血压、糖尿病等临床病理特征有紧密联系。此外,视网膜血管网络的唯一性、隐蔽性和可采集性,同样适用于个体特征的区分。因此,对视网膜血管网络的提取不仅在医学上具有重要的临床参考价值,在特征识别、生物保密等方面也具有重要的现实意义。目前,已有很多方法提出对视网膜血管分割的研究。本文在阅读大量数字图像处理和图像分割相关文献的基础上,总结分析了现有研究,针对视网膜血管的特征,重点对分割中的噪声影响和细小血管及断裂血管加以研究,分别基于多尺度几何变换方法和张量投票方法提出了两种新的视网膜血管分割算法,在标准视网膜图像数据库(REVIEW数据库、DRIVE数据库)中进行了大量的仿真实验,对分割结果的平均准确度、灵敏度和1-特异度进行计算分析,并与经典算法和较新的研究成果进行了对比分析:(1)基于多尺度几何变换的方法:本文提出了一种基于曲波变换(Curvelet变换)和最大类间方差的视网膜血管分割算法。首先利用改进的Curvelet变换对视网膜图像绿色通道分量进行增强,针对视网膜血管图像特点进行自适应滤波处理,;然后结合改进的最大类间方差算法进行阈值分割,得到最终的视网膜血管分割结果。实验表明,该算法能较好抑制图像噪声,分割出较多细小血管,在REVIEW库和DRIVE库中的平准准确度分别可达0.94349和0.95132,高于经典的分割算法。(2)基于张量投票的方法:本文提出了一种基于张量投票的视网膜血管分割算法。首先对图像进行二值化预分割,得到二值图像作为输入;然后根据像素点的取向估计信息对二值图像进行张量计算,结合Gestalt定律,对像素点的临近性、趋向性等规则完成张量投票,提取投票结果的显著性信息,最后通过形态学处理得到最终的分割结果。实验结果表明,该算法能够分割出更多的细小血管信息,在REVIEW库和DRIVE库中的平均准确率均达0.95735和0.96185,优于已知的分割算法,在灵敏度和1-特异度等标准上也有较大的改善。