基于模糊聚类和形态学滤波的视网膜图像分割方法研究

摘要

基于数字图像的视网膜血管检测与网络结构分析在信息安全和医学诊断中具有重要的应用价值。视网膜血管检测过程实质是图像分割过程。通过对视网膜图像的分割可获得较为完整的血管网络，为进一步分析网络的拓扑和几何结构奠定基础。图像分割就是按照一定的相似性原则对图像像素进行分类的过程。
　　 本文研究了基于模糊聚类和形态学滤波的视网膜图像分割方法。主要贡献包括：⑴系统阐述和分析了模糊C-均值聚类(Fuzzy C-means，FCM)算法的理论基础和性质，研究了模糊聚类图像分割方法中初始类别数的选取、初始聚类中心和初始隶属度矩阵确定等问题，探讨了基于模糊聚类分割算法目前还存在的诸多问题。⑵阐述了数学形态学滤波方法的基本理论，研究了形态学在边缘提取、噪声滤除和区域填充等图像处理中的应用。⑶依据视网膜图像中存在的光照不均、对比度低等特点，提出了模糊C-均值聚类和形态学滤波相结合的视网膜图像分割算法，并用DRIVE数据库中的视网膜图像对本文算法进行了测试，验证了算法的有效性。

目录

第一章 绪论

第二章 基于模糊C-均值聚类的图像分割方法

第三章 数学形态学滤波及应用

第四章 聚类方法与形态学滤波相结合的眼底图像分割

第五章 总结与展望

参考文献

附录1 论文算法提出的主要matlab仿真程序

致谢

攻读学位期间发表的学术论文目录

声明