血管造影图像分割方法研究

发布时间：2017-10-18 12:23

  本文关键词：血管造影图像分割方法研究

  更多相关文章： 血管分割 梯度矢量压缩 非盲解去模糊 去噪 最大类间方差法 血管特征空间 主成分分析

【摘要】：糖尿病、高血压、动脉硬化等严重影响人类健康的疾病的发生,往往都伴随着新生血管的产生。正确分割血管图像,分析血管发生的变化,在预防和诊断病患中起着相当大的作用。虽然现有的血管分割方法已取得了较好的效果,但血管分割问题还远远没有解决,一种既适用于大部分血管图像、又能取得较好的分割效果的算法还没有被提出来。论文针对现有的血管分割算法做了大致分类,主要分为两类:基于非监督学习的血管分割方法和基于监督学习的血管分割方法。基于非监督学习的血管分割方法又可细分为基于匹配滤波器的血管分割方法、基于形态学分析的血管分割方法、基于血管追踪的血管分割方法、基于模型的血管分割方法、基于尺度分析的血管分割方法。通过对以上几种分割算法的简要论述,探讨和比较了各类分割算法的优缺点。针对不同的血管图像,论文对其进行了不同的分割算法的研究:针对模糊的血管图像,本文提出了基于频域快速解卷的血管提取算法,该方法避免了先去模糊再分割的繁琐的操作过程,直接对模糊血管图像进行分割,首先使用改进的梯度域动态压缩对血管边缘进行增强的同时突出了细微血管;再使用Horacio等人提出的基于稀疏先验的非盲解卷积去模糊技术对散度图像进行恢复操作;接着使用中值滤波进行去噪,减少噪声对分割的影响;最后使用OTSU方法对血管图像进行分割得到最终的血管脉络图。该方法对血管图像相对背景图像较亮的血管图像分割效果较好。为了寻找新型、有效的视网膜分割算法,本文提出了基于主成分分析的血管分割算法。该方法充分利用了最新的分割方法的优点,以便于获得较好的分割效果的血管分割思想,首先使用形态学变换、基于线条定向的血管方向分析、基于梯度计算的血管弯曲方向分析、血管脊四种方法提取了八个特征空间,然后使用PCA对这八个特征空间图进行降维处理,提取主要的血管特征,最后用OTSU方法对降维后的图像进行分割得到最后的血管分割图。本文在国际上公认的DRIVE眼底图像数据库上进行实验,并从准确度、灵敏度和特异性三个方面进行了性能评判,实验发现该方法具有较高的灵敏性。
【关键词】：血管分割 梯度矢量压缩 非盲解去模糊 去噪 最大类间方差法 血管特征空间 主成分分析
【学位授予单位】：曲阜师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R816.2;TP391.41
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 绪言8-13
• 1.1 数字图像及数字图像处理8-10
• 1.2 图像分割及其发展10-11
• 1.3 国内外医学图像分割的研究现状11
• 1.4 本论文所做的工作和章节安排11-13
• 第2章 反卷积技术13-16
• 2.1 反卷积的基本原理13
• 2.2 传统反卷积技术13-14
• 2.2.1 盲解卷积技术13-14
• 2.2.2 非盲解卷积技术14
• 2.3 最近的反卷积技术14-15
• 2.4 本章小结15-16
• 第3章 血管分割的主要方法及常用性能评价标准16-20
• 3.1 基于非监督学习的血管分割方法16-18
• 3.1.1 基于匹配滤波器的血管分割方法16-17
• 3.1.2 基于形态学分析的血管分割方法17
• 3.1.3 基于血管追踪的血管分割方法17
• 3.1.4 基于模型的血管分割方法17-18
• 3.1.5 基于尺度分析的血管分割方法18
• 3.2 基于监督学习的血管分割方法18
• 3.3 各类分割方法的优缺点比较18-19
• 3.4 分割方法性能评价标准19
• 3.5 本章小结19-20
• 第4章 基于频域快速解卷的血管分割算法20-29
• 4.1 基于高动态范围内梯度矢量压缩的纹理增强20-22
• 4.2 基于自适应稀疏先验的非盲解去模糊22-24
• 4.3 去除噪声24-25
• 4.4 血管分割25-26
• 4.5 实验结果及效果对比26-27
• 4.6 本章小结27-29
• 第5章 基于主成分分析的血管分割算法29-43
• 5.1 眼底图像标准数据库29-30
• 5.2 绿色通道的选取30-31
• 5.3 基于形态学变换的血管分割方法31-34
• 5.3.1 二值图像的腐蚀和膨胀31-32
• 5.3.2 灰度图像的腐蚀和膨胀32-34
• 5.4 基于线条定向的血管方向分析34-35
• 5.5 基于梯度计算的血管弯曲方向分析35-37
• 5.6 血管脊提取37-38
• 5.7 主成分分析38-39
• 5.8 血管分类39
• 5.9 实验结果及性能分析39-42
• 5.10 本章小结42-43
• 第6章 总结与展望43-44
• 6.1 工作总结43
• 6.2 展望43-44
• 参考文献44-48
• 在校期间发表的学术论文48-49
• 致谢49

【相似文献】

中国期刊全文数据库 前10条

1 冯前进;陈武凡;;模糊马尔可夫场模型与图像分割新算法[J];南方医科大学学报;2006年05期

2 郭迎;赵于前;;图像分割与医学工程大学生创新能力培养[J];中国医学物理学杂志;2012年02期

3 黄峰茜;陈春晓;姚均营;;图像分割方法的研究进展[J];中国医疗器械信息;2006年12期

4 安玉林;关建中;;分子影像学中图像分割技术方法研究[J];医疗卫生装备;2008年11期

5 王媛;杨亚平;;主要舌图像分割方法特点浅析[J];中国中医药信息杂志;2011年05期

6 劳丽;吴效明;朱学峰;;模糊集理论在图像分割中的应用综述[J];中国体视学与图像分析;2006年03期

7 曹会志;罗述谦;;基于自动策略的脑图像分割[J];中国医学影像技术;2007年02期

8 赵荣椿,迟耀斌,朱重光;图像分割技术进展[J];中国体视学与图像分析;1998年02期

9 杨静;王明泉;李志刚;任少卿;;减影技术在射线图像分割与提取中的应用[J];中国体视学与图像分析;2007年02期

10 王小燕;许建荣;;图像分割技术在血管图像中的应用[J];中国介入影像与治疗学;2009年01期

中国重要会议论文全文数据库 前10条

1 杨魁;赵志刚;;图像分割技术综述[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

2 杨暄;郭成安;李建华;;改进的脉冲耦合神经网络及其在图像分割中的应用[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

3 杨生友;;图像分割在医学图像中应用现状综述[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

4 闫平昆;;基于模型的图像分割技术及其医学应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

6 孙莉;张艳宁;胡伏原;赵荣椿;;基于Gaussian-Hermite矩的SAR图像分割[A];第十三届全国图象图形学学术会议论文集[C];2006年

7 李盛;;基于协同聚类的图像分割[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 张利;许家佗;;舌象图像分割技术的研究与应用进展[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年

9 秦昆;李振宇;李辉;李德毅;;基于云模型和格网划分的图像分割方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

10 高惠琳;窦丽华;陈文颉;谢刚;;图像分割技术在医学CT中的应用[A];中国自动化学会控制理论专业委员会A卷[C];2011年

中国博士学位论文全文数据库 前10条

1 白雪飞;基于视觉显著性的图像分割方法研究[D];山西大学;2014年

2 黄万里;基于高分卫星数据多尺度图像分割方法的天山森林小班边界提取研究[D];福建师范大学;2015年

3 王辉;图像分割的最优化和水平集方法研究[D];电子科技大学;2014年

4 高婧婧;脑部MR图像分割理论研究[D];电子科技大学;2014年

5 潘改;偏微分方程在图像分割中的应用研究[D];东北大学;2013年

6 冯籍澜;高分辨率SAR图像分割与分类方法研究[D];电子科技大学;2015年

7 李伟斌;图像分割中的变分模型与快速算法研究[D];国防科学技术大学;2014年

8 邓晓政;基于免疫克隆选择优化和谱聚类的复杂图像分割[D];西安电子科技大学;2014年

9 帅永e，

本文编号：1054926