基于单目视觉的视网膜三维重建技术研究

摘要

图像处理现在已经广泛用在医学领域，医生可以根据获得的医学影像对病人的病情进行无创伤分析。视网膜是眼睛非常重要的部位，一些疾病如糖尿病、高血压、黄斑病变等会对视网膜产生影响。可以根据视网膜的细微变化，对这些疾病做出诊断，所以视网膜图像为各种眼底疾病的治疗提供了可靠的诊断依据。对视网膜进行三维重建，可以更好的实现视网膜可视化效果，使医生对于一些眼底疾病的诊断不仅仅是依靠以往的经验，使诊断结果更加准确、可信度更高。
　　本文根据视网膜三维重建过程：视网膜图像获取、标定的相关方法、图像处理相关方法、特征提取及进行匹配的相关方法、视网膜三维重建和三维重建系统的实现进行展开研究。主要的研究内容和创新点如下：
　　（1）分析了视网膜当前背景和现实意义，研究和分析了国内外的研究现状，阐述了选题背景和研究的意义，对论文的章节和研究内容进行了详细安排。
　　（2）针对视网膜图像的获取的特点，分析了人的眼球结构和视网膜结构，研究了摄像机成像模型，并对眼底相机的成像过程中产生的畸变进行了分析。
　　（3）针对眼底照相机标定的特点，对当前主要的标定方法进行了研究和分析。通过对比标定方法，采用Jean-Yves Bouguet提出的方法进行标定，标定结果精确高和误差较小；图像的预处理采用限制对比度自适应直方图均衡化算法（Contrast Limited Adaptive Histogram Equalization，CLAHE）进行，处理后图像对比度显著增强。
　　（4）针对视网膜特征提取与匹配特点，分析了目前图像进行匹配处理的相关方法，采用SIFT特征提取算法进行视网膜图像特征提取，提出了一种迭代最近邻匹配的方法进行特征点匹配，采用RANSAC算法进行提纯，准确度较高。
　　（5）针对单目视觉的视网膜三维重建的特点，提出了一种平面+视差的方法获得基础矩阵，得到空间点数据；提出了一种4通光束平差法，能得到精确的相机位置和稀疏点云，采用PMVS算法获得稠密点云数据，最后进行视网膜点云数据的泊松重建和纹理映射得到三维重建后的视网膜。
　　（6）针对单目视觉的视网膜三维重建流程，利用MATLAB进行了视网膜三维重建系统的设计与实现。

目录

封面

声明

目录

中文摘要

英文摘要

1 绪论

1.1视网膜图像处理与分析研究现状

1.2本文选题背景和研究内容

1.3本章小结

2 视网膜图像获取

2.1 人眼结构

2.2 获取视网膜图像

2.3 立体视觉

2.4 摄像机成像模型

2.5 本章小结

3 摄像机标定

3.1引言

3.2传统的摄像机标定方法

3.3 摄像机自标定法

3.4 标定实验与结果分析

3.5 视网膜图像预处理

3.6本章小结

4视网膜图像特征点提取与匹配

4.1 引言

4.2 视网膜图像特征点提取

4.3 视网膜图像特征点匹配及提纯

4.4 本章小结

5 视网膜三维重建

5.1 视网膜图像的空间关系

5.2 4通光束平差法估计相机位置

5.3 视网膜稠密点云获取

5.4 视网膜的三维重建

5.5 本章小结

6 视网膜三维重建系统的设计与实现

6.1 开发环境

6.2 视网膜三维重建流程

6.3 视网膜三维重建系统功能模块设计

6.4 视网膜三维重建系统实现

6.5 本章小结

7 结论与展望

7.1 结论

7.2 展望

参考文献

致谢

攻读学位期间发表论文情况