眼底照相造影血管分割及动静脉分类方法研究

摘要

随着图像数字化处理的快速发展，医学图像处理越来越受到人们的广泛关注。研究表明，人体许多全身性疾病都与眼底血管的异常有着密切的联系，但是仅靠医学工作者的手动分析与检测，不仅耗时耗力，而且也很难得到比较精确的结果。因此，实现眼底图像血管的自动化分割和动静脉自动分类有着重要的现实意义。 本论文分别实现了眼底照相影像血管的分割和动静脉的分类、眼底造影影像的血管分割。眼底照相影像血管的分割和动静脉的分类部分首先对眼底照相图像进行选取绿色通道、去除噪声、图像增强等预处理操作，然后采用了一种基于组合转换滤波器响应和棒状选择相结合的方法对血管干进行检测，采用不对称的组合滤波器对血管末梢进行检测，从而实现眼底照相影像的血管分割，其输出作为后续血管分类的输入。使用组合转换滤波器响应和棒状选择相结合的方法与其他的一些基于非监督学习的方法相比具有更高的精度并且花费更少的时间成本，最后采用了一种基于上下文相关特征的眼底图像动脉血管和静脉血管检测和分类的自动方法实现眼底照相影像血管动静脉的分类。 本论文使用了两种方法来实现眼底造影图像的分割，第一种是自适应阈值化分割，采用一种虚拟边缘追踪的方法来检测血管边缘的离散点，然后将图像划分为若干个子图像，这些子图像的尺寸一致，对子图像进行阈值分割，从而实现对整幅图像的分割；第二种是BP神经网络，使用BP神经网络对眼底造影图像进行血管分割主要分为以下几个步骤：提取图像信息、图像变换、特征提取、数据归一化、优化处理（使用神经网络分类器）、分类决策以及最后输出结果，该方法相比于其他传统的分割方法，使用BP神经网络分割得到的血管图像更为清晰，而且噪声也更小。 最后，在国际上公认的三大眼底图像数据库之一的DRIVE数据库上进行实验评估和测试，实验结果表明，本论文所使用的方法在血管分割和动静脉分类上都具有较好的效果。

目录

声明

第一章 绪 论

1.1 研究背景与意义

1.2 国内外研究和发展现状

1.2.1 眼底照相影像血管分割

1.2.2 眼底照相影像血管动静脉分类

1.2.3 眼底造影影像血管分割

1.3 本文主要研究内容

1.4 本文层次结构安排

第二章 相关背景技术及算法

2.1 引言

2.2 基于非监督学习的眼底血管分割方法

2.2.1 匹配滤波

2.2.2 形态学分析

2.2.3 血管追踪

2.2.4 多尺度方法

2.2.5 基于模型的方法

2.3 基于监督学习的眼底血管分割方法

2.3.1 BP神经网络

2.3.2 其他方法

2.4 动静脉分类

2.4.1 基于颜色特征的方法

2.4.2 基于结构特征的方法

2.5 本章小结

第三章 眼底照相影像血管分割及动静脉分类

3.1 方案思路

3.2 图像预处理

3.2.1 选取绿色通道

3.2.2 去除噪声

3.2.3 图像增强

3.3 血管分割

3.3.1 实现流程

3.3.2 检测亮度变化

3.3.3 血管干检测

3.3.4 血管末梢检测

3.4 血管动静脉分类

3.4.1 实现流程

3.4.2 血管特征检测

3.4.3 动静脉分类

3.5 本章小结

第四章 眼底造影影像血管分割

4.1 方案思路

4.2 图像预处理

4.2.1 对比度增强

4.2.2 图像匹配滤波

4.3 自适应阈值化血管分割

4.3.1 实现流程

4.3.2 虚拟边缘追踪

4.3.3 子图像阈值化分割

4.4 BP神经网络进行血管分割

4.4.1 实现流程

4.4.2 特征提取

4.4.3 分类训练

4.4.4 输出结果

4.5 本章小结

第五章 实验结果与分析

5.1 实验数据集

5.2 实验环境

5.3 眼底照相影像实验评估

5.3.1 评估指标

5.3.2 血管分割

5.3.3 动静脉分类

5.4 眼底造影影像实验评估

5.4.1 评估指标

5.4.2 血管分割

5.5 本章小结

第六章 结束语

6.1 全文总结

6.2 不足与展望

致谢

参考文献

攻硕期间取得的研究成果