基于特征提取和监督学习的视网膜血管分割技术研究

发布时间：2017-09-21 13:04

  本文关键词：基于特征提取和监督学习的视网膜血管分割技术研究

  更多相关文章： 眼底视网膜图像 血管分割 COSFIRE滤波模型 K近邻算法 贝叶斯 高斯混合模型

【摘要】：眼底视网膜血管的病变可以反映出很多全身性疾病,通过观测眼底血管变化来协助视网膜疾病的早期筛查具有重要意义。视网膜血管分割算法作为视网膜疾病自动筛查系统的核心组成部分,其性能的优劣直接关系到整个系统的性能。目前,国内外研究人员已开发出很多视网膜血管分割方法,但大都不能满足临床眼底检测的要求。因此,研究出能够满足实际应用的视网膜血管分割方法对临床眼科研究具有重要的理论价值和现实意义。本文基于上述应用需求,并结合眼底视网膜血管的自身结构特点,研究了一种特征提取和基于监督学习的视网膜血管分割方法。首先,分析了视网膜图像的RGB通道,选取绿色通道作为后续处理对象。再通过直方图均衡化(HE)和受限对比度自适应直方图均衡化(CLAHE)两种方法对视网膜图像做增强处理,发现CLAHE对视网膜图像的增强效果要更好。为减少相机获取过程噪声的影响和无效信息对血管分割的干扰,对处理后的图像感兴趣区域(ROI)做了膨胀处理并设计了基于YIQ颜色空间模型的眼底视场提取(FOV)方法。然后,在分析生物视觉感受野数学模型的基础上,深入研究了一种基于COSFIRE滤波模型的特征提取方法,与绿色通道共同构建了一个三维特征向量库。最后,在特征提取的基础上,讨论分析了两种简单参数调优的监督学习算法对视网膜血管分割的效果,分别是K近邻算法、贝叶斯高斯混合模型。同时,将本文算法与其他一些现有的算法进行比较,证明了本文算法的有效性。
【关键词】：眼底视网膜图像 血管分割 COSFIRE滤波模型 K近邻算法 贝叶斯 高斯混合模型
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R774.1;TP391.41
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 绪论10-20
• 1.1 引言10-11
• 1.2 研究背景及意义11-13
• 1.3 视网膜血管分割方法研究现状13-16
• 1.4 视网膜血管分割研究存在的问题16
• 1.5 本文主要研究内容及章节安排16-20
• 第二章 眼底视网膜图像预处理20-34
• 2.1 眼底构造20-21
• 2.2 眼底视网膜图像采集与获取21-22
• 2.3 数字图像处理基础22-25
• 2.3.1 数字图像介绍及其基本属性22-24
• 2.3.2 数字图像处理系统24-25
• 2.4 眼底视网膜图像的通道选取分析25-26
• 2.5 视网膜图像增强处理26-30
• 2.6 感兴趣区域膨胀处理30-31
• 2.7 视网膜图像视场的提取31-33
• 2.8 本章小结33-34
• 第三章 视网膜图像特征提取方法研究34-44
• 3.1 生理学基础及数学模型34-38
• 3.1.1 生理学基础34-36
• 3.1.2 感受野数学模型36-37
• 3.1.3 COSFIRE滤波数学模型37-38
• 3.2 血管结构特征提取38-40
• 3.2.1 对称结构的COSFIRE滤波模型38
• 3.2.2 DoG滤波器模糊移位运算38-39
• 3.2.3 COSFIRE滤波响应39
• 3.2.4 非对称结构的COSFIRE滤波模型及血管末端特征结构39-40
• 3.3 特征提取实验参数设置及实验结果40-42
• 3.4 特征归一化处理42
• 3.5 本章小结42-44
• 第四章 基于K近邻算法的视网膜血管分割44-52
• 4.1 机器学习的理论基础44-45
• 4.2 K近邻算法45-46
• 4.3 实验结果与分析46-51
• 4.3.1 实验建立46-47
• 4.3.2 实验结果评价指标47-48
• 4.3.3 K值设定48-49
• 4.3.4 实验结果及分析49-51
• 4.4 本章小结51-52
• 第五章 基于贝叶斯高斯混合分类器的视网膜血管分割方法52-62
• 5.1 贝叶斯高斯混合模型分类器52-55
• 5.1.1 贝叶斯决策论52-53
• 5.1.2 高斯混合概率密度函数53-54
• 5.1.3 GMM参数估计-EM算法54-55
• 5.2 实验结果与分析55-59
• 5.2.1 高斯混合模型参数C调优55-56
• 5.2.2 算法分割结果56-57
• 5.2.3 算法性能分析57-59
• 5.3 本章小结59-62
• 第六章 总结与展望62-64
• 6.1 论文的研究成果62
• 6.2 未来工作展望62-64
• 参考文献64-68
• 致谢68-70
• 攻读硕士学位期间发表的学术论文70

【相似文献】

中国期刊全文数据库 前10条

1 葛丁飞;李小梅;;心电信号多周期融合特征提取和分类研究[J];中国生物医学工程学报;2006年06期

2 张绍武;潘泉;赵春晖;程咏梅;;基于加权自相关函数特征提取法的多类蛋白质同源寡聚体分类研究[J];生物医学工程学杂志;2007年04期

3 薛建中,郑崇勋,闫相国;快速多变量自回归模型的意识任务的特征提取与分类[J];西安交通大学学报;2003年08期

4 杨晓敏,罗立民;白细胞自动分类中的特征提取和分析[J];北京生物医学工程;1992年04期

5 王双维;樊晓平;廖志芳;;一种激光诱导荧光光谱特征提取新方法[J];计算机工程与应用;2008年12期

6 杜军平,涂序彦;计算机图像处理技术在舌像特征提取中的应用[J];中国医学影像技术;2003年S1期

7 游佳;陈卉;;数字图像中血管的分割与特征提取[J];生物医学工程与临床;2011年01期

8 谢轶峰;;乳腺超声图像肿瘤特征提取与肿瘤分类[J];中外医疗;2013年16期

9 吴泽晖,吴星;医学图象的边缘特征提取[J];海南师范学院学报(自然科学版);2003年03期

10 杨晓敏，罗立民，韦钰;血液白细胞计算机分类中的特征提取研究[J];应用科学学报;1994年02期

中国重要会议论文全文数据库 前10条

1 尚修刚;蒋慰孙;;模糊特征提取新算法[A];1997中国控制与决策学术年会论文集[C];1997年

2 潘荣江;孟祥旭;杨承磊;王锐;;旋转体的几何特征提取方法[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

3 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

4 杜栓平;曹正良;;时间—频率域特征提取及其应用[A];2005年全国水声学学术会议论文集[C];2005年

5 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年

6 魏明果;;方言比较的特征提取与矩阵分析[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

7 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 秦建玲;李军;;基于核的主成分分析的特征提取方法与样本筛选[A];2005年中国机械工程学会年会论文集[C];2005年

9 刘红;陈光，

本文编号：894687