基于自适应PCNN的眼底图像血管检测方法研究

摘要

糖尿病(diabetes mellitus，DM)最重要的并发症之一是糖尿病视网膜病变(diabetic retinopathy，DR)，而糖尿病视网膜病变筛查的一个重要步骤是精确的眼底图像血管检测，所以眼底图像血管检测对于糖尿病的诊断具有重要的指导意义。
　　 血管是眼底图像中的重要目标，其亮度、位置、形状和尺寸等特征是临床诊断中重要的参考依据。本文结合自适应脉冲耦合神经网络(PCNN)和最大类间方差准则，提出了一种眼底图像血管自动检测方法。首先采用对比度受限的自适应直方图均衡化(CLAHE)和二维高斯匹配滤波相结合的方法对眼底图像进行预处理，以增强血管和背景的对比度;然后基于简化PCNN模型，结合最大类间方差准则对预处理后的眼底图像进行分割，针对PCNN神经元的连接强度通常为一个常数的不足，使用像素的拉普拉斯能量(EOL)作为对应神经元的连接强度值，使得PCNN能够根据像素特征自适应地调整神经元的连接强度;最后采用面积滤波、断点连接对分割结果进行后处理，得到最终的血管检测结果。对STARE眼底图像库的实验结果表明，该方法具有较高的鲁棒性、有效性和可靠性。

目录

声明

学位论文的主要创新点

摘要

第一章 绪论

1．1 课题研究的背景及意义

1．2 眼底图像血管检测的研究现状及面临的问题

1．2．1 国外研究现状

1．2．2 国内研究现状

1．2．3 面临的问题

1．3 论文主要内容及组织结构

第二章 脉冲耦合神经网络基本理论

2．1 PCNN模型

2．2 PCNN工作原理

2．3 PCNN基本特性分析

2．4 本章小结

第三章 基于CLAHE和高斯匹配滤波的眼底图像增强

3．1 眼底图像的特点分析

3．2 基于CLAHE和高斯匹配滤波的眼底图像增强

3．2．1 对比度受限的自适应直方图均衡化

3．2．2 高斯匹配滤波器

3．2．3 眼底图像血管增强

3．3 实验结果及分析

3．4 本章小结

第四章 基于自适应PCNN的眼底图像血管分割

4．1 基于PCNN和信息熵的眼底图像血管分割

4．2 基于PCNN和最大类间方差的眼底图像血管分割

4．3 基于自适应PCNN的眼底图像血管分割

4．3．1 拉普拉斯能量的应用

4．3．2 眼底图像血管检测

4．4 眼底图像血管网络的形态学处理

4．4．1 面积滤波

4．4．2 断点连接

4．5 实验结果及分析

4．6 本章小结

第五章 总结和展望

5．1 全文总结

5．2 课题展望

参考文献

发表论文和参加科研情况

致谢