基于尺度空间分析的眼底图像血管鲁棒检测

发布时间：2017-08-13 15:00

  本文关键词：基于尺度空间分析的眼底图像血管鲁棒检测

  更多相关文章： 视网膜血管 Hessian矩阵 多尺度增强滤波 血管分割

【摘要】：视网膜血管分割在眼底图像分析中具有重要作用,血管是视网膜眼底图像中最重要的生理结构之一,很多眼科疾病以及很多对视力造成损害的疑难疾病,例如高血压、糖尿病等,都会对视网膜血管造成严重破坏,提取准确清晰的血管结构可以极大帮助专家进行更好的诊断和治疗,因此,针对视网膜眼底图像的血管检测与提取具有较高的应用价值。血管在眼底图像中呈现为树状结构,具有线状目标的特点,在图像中表现为狭长的连通的条形模式,并沿一定走向伸展变化,且截面像素的灰度通常呈现高斯分布特性。血管在图像中的形态具有多变性,具体表现在方向和尺寸的变化上,可观察到血管的走向可以在0到360°任意变化,同时其宽度也会大幅度变化,例如同一幅眼底图像中血管宽度可以在1~20像素变化。血管形态的多变性使得对其进行鲁棒检测仍然具有一定的困难,同时作为典型的线状目标,其检测方法对于其它图像中线状结构的检测具有重要的借鉴意义。为了适应血管宽度的变化,本文基于多尺度空间分析理论,研究了视网膜眼底图像的血管增强和分割方法,主要研究内容包括以下两个方面:(1)研究了基于多尺度Gabor滤波和多尺度顶帽变换两种图像增强方法,并对单尺度和多尺度血管增强方法进行了实验对比,实验结果验证了使用多尺度方法增强血管图像的必要性。(2)结合多尺度Hessian矩阵滤波和线检测算子,提出一种有效的血管检测方法。首先利用多尺度Hessian矩阵的特征值构建血管相似性函数实现血管增强,然后采用改进的线检测算子,提取反映血管测度的特征,最后采用支持向量机实现血管检测。本文算法主要在两个公开的眼底图像数据库DRIVE和STARE数据库中进行了实验,使用了准确率、灵敏性、特异性及局部准确率等一系列的评价指标。实验结果表明本文方法只需要较少的训练样本,即可达到与其它方法相当的准确率,且在灵敏性上具备相对更好的性能。
【关键词】：视网膜血管 Hessian矩阵 多尺度增强滤波 血管分割
【学位授予单位】：湘潭大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R770.4;TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-18
• 1.1 课题研究的背景及意义9
• 1.2 课题研究中存在的难点9-11
• 1.3 视网膜血管分割技术研究综述11-15
• 1.3.1 基于非监督的分割方法11-14
• 1.3.2 基于监督学习的分割方法14-15
• 1.4 各种分割方法总结15-16
• 1.5 本文主要内容及章节安排16-18
• 第2章 视网膜图像采集、数据库及评价指标18-23
• 2.1 视网膜眼底图像的采集18
• 2.2 视网膜眼底图像标准数据库18-21
• 2.2.1 DRIVE图像数据库19-20
• 2.2.2 STARE图像数据库20-21
• 2.3 分割方法性能评价指标21-22
• 2.4 本章小结22-23
• 第3章 多尺度图像增强方法与对比实验23-30
• 3.1 尺度空间理论简介23-24
• 3.2 单尺度和多尺度图像增强实验对比24-29
• 3.2.1 多尺度Gabor滤波24-26
• 3.2.2 多尺度顶帽变换26-29
• 3.3 本章小结29-30
• 第4章 基于多尺度滤波和线检测算子的视网膜血管分割30-45
• 4.1 基于Hessian矩阵滤波的血管多尺度滤波增强30-35
• 4.1.1 绿色通道的选取30-31
• 4.1.2 Hessian矩阵滤波原理31-32
• 4.1.3 血管相似性测度32-33
• 4.1.4 多尺度融合33-34
• 4.1.5 多尺度滤波实验结果34-35
• 4.2 线检测算子原理35-36
• 4.3 支持向量机的基本原理36-39
• 4.4 实验结果及性能分析39-44
• 4.4.1 评价指标39
• 4.4.2 实验结果及评价39-44
• 4.5 本章小结44-45
• 第5章 总结与展望45-47
• 5.1 总结45
• 5.2 展望45-47
• 参考文献47-51
• 致谢51-52
• 学习期间发表的学术论文与研究成果52

【相似文献】

中国期刊全文数据库 前10条

1 胡磊;毕维民;陈迪;郭永新;张光玉;李艳春;焦青;;眼底图像处理软件在眼科临床应用观察[J];泰山医学院学报;2009年09期

2 张东波;易瑶;赵圆圆;;基于投影的视网膜眼底图像视盘检测方法[J];中国生物医学工程学报;2013年04期

3 刘爱珍,马斌荣,徐亮,杨桦,孙秀英;眼底图像融合[J];中国医学影像技术;2003年11期

4 刘爱珍;王小兵;徐亮;任海萍;宋菲;王飒;;眼底图像对位频闪[J];首都医科大学学报;2006年05期

5 余轮;魏丽芳;潘林;;眼底图像配准技术研究进展[J];生物医学工程学杂志;2011年05期

6 魏丽芳;潘林;余轮;;一种病变眼底图像的配准方法[J];中国生物医学工程学报;2011年04期

7 陈骥;彭承琳;;眼底图像的三维重建[J];生物医学工程学杂志;2008年01期

8 陈萌梦;熊兴良;张琰;王诗鸣;李广;;1种视网膜眼底图像增强的新方法[J];重庆医科大学学报;2014年08期

9 刘爱珍,马斌荣,徐亮,孙秀英,宋菲;眼底图像的配准[J];医疗设备信息;2003年10期

10 曹米莎;程建新;陈昱昆;庞博;王剑锋;詹增荣;邝健;周少博;李辉;梁纳;袁永刚;卢毓敏;陈悦玲;;眼底图像检验系统对眼底的临床观察与研究[J];临床医学工程;2013年01期

中国重要会议论文全文数据库 前4条

1 王子亮;潘林;余轮;;基于矢量方法的眼底图像预处理[A];第十四届全国图象图形学学术会议论文集[C];2008年

2 曹米莎;程建新;陈昱昆;庞博;王剑锋;詹增荣;邝健;周少博;李辉;梁纳;袁永刚;卢毓敏;陈悦玲;;眼底图像检验系统对眼底的临床观察与研究[A];“广东省光学学会2013年学术交流大会”暨“粤港台光学界产学研合作交流大会”会议手册论文集[C];2013年

3 黄君鑫;;红外眼底镜的研究[A];中国光学学会2006年学术大会论文摘要集[C];2006年

4 朱琳琳;唐延东;;基于眼底特征的视盘自动检测[A];2010中国仪器仪表学术、产业大会（论文集1）[C];2010年

中国博士学位论文全文数据库 前5条

1 高玮玮;眼底图像分割算法及应用研究[D];南京航空航天大学;2013年

2 李居朋;眼底图像处理与分析中一些关键问题的研究[D];北京交通大学;2009年

3 韩松涛;眼底图像的血管特征分析[D];吉林大学;2010年

4 姚畅;眼底图像分割方法的研究及其应用[D];北京交通大学;2009年

5 李鹏飞;眼底图像实时处理与液晶自适应系统控制研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

中国硕士学位论文全文数据库 前10条

1 于婷;眼底图像视神经盘和渗出物自动分割算法研究[D];兰州大学;2015年

2 郑姗;主动轮廓模型及其在眼底图像分割中的应用[D];沈阳理工大学;2015年

3 于甜甜;基于自适应盲解卷积的眼底图像复原[D];山东农业大学;2015年

4 于挥;眼底图像中病变的检测方法研究[D];兰州交通大学;2015年

5 赵麒然;基于改进参数核图割的OCT眼底图像分割方法研究[D];吉林大学;2016年

6 潘燕红;基于监督分类的糖尿病视网膜病变检测方法的研究[D];福州大学;2014年

7 李敏;眼底图像血管三维重建方法研究[D];天津工业大学;2016年

8 邵一婷;彩色眼底图像视盘自动检测方法研究[D];天津工业大学;2016年

9 祝婉;多模眼底图像配准方法研究[D];天津工业大学;2016年

10 崔宁;彩色眼底图像血管参数测量方法研究[D];天津工业大学;2016年

，

本文编号：667860