视网膜图像解剖结构检测及病变分析研究

摘要

随着人们生活质量的不断提高，糖尿病患者也呈现逐年增多的趋势。糖尿病性视网膜病变作为糖尿病性微血管病变的严重并发症之一，是引起失明以及视力障碍的主要原因。这种病理信息往往可以从视网膜图像中分析得出，然而对于不同的病变阶段，视网膜图像会呈现出不同的病理构造;此外，视网膜图像中的微血管系统也因人而异。这些因素都给本文的研究带来巨大的挑战。
　　本研究主要内容包括：⑴视网膜图像预处理。此阶段的主要任务包含视网膜图像背景均衡化，图像噪声去除和感兴趣区域提取三个方面。预处理工作的好坏直接关系到解剖结构检测和病变分析的准确性。⑵视网膜图像解剖结构检测。包括血管分割、视神经盘检测以及黄斑区域定位。在视网膜血管分割上，提出一种基于韦伯变换和多尺度空间分析的方法，并通过边界强度和脊强度这两个重要特征对血管像素进行增强;视神经盘作为青光眼神经损害的诊断依据，本文利用其本质的特征并结合Sobel算子、Canny算子以及霍夫变换得到最终的检测结果;对于黄斑区域的工作，文中主要应用模板匹配的方法对其实现精确定位。⑶视网膜图像病变区域检测。主要检测的对象为微动脉瘤、出血以及渗出。在微动脉瘤的检测上，运用多尺度高斯核函数进行相似性匹配，接着通过支持向量机对获得的检测点进行分类，该方法的准确率较其他算法相比有着明显的提升。对于视网膜图像中的出血检测，将基于多尺度线性结构的数学形态学方法检测得到的候选区域，通过SLIC算法处理成超像素块并计算其分类特征，利用灰度值投票算法进行分类。最后，针对渗出的检测，先是通过滑动窗口以及形态学重建的方法获得渗出候选区域，然后根据超像素区域计算其对应的特征，并设计人工神经网络分类器进行分类。

目录

声明

摘要

图目录

表目录

1．1 引言

1．2 课题背景及研究意义

1．2．1 课题背景

1．2．2 研究意义

1．3 国内外研究现状

1．4 研究难点

1．5 本文各章内容安排

1．6 本章小结

第2章 视网膜图像预处理

2．1 视网膜图像背景均衡化

2．1．1 绿色通道上的图像增强

2．1．2 对比度均衡化

2．2 视网膜图像噪声去除

2．3 感兴趣区域(ROI)提取

2．4 实验数据库介绍

2．5 本章小结

第3章 视网膜图像解剖结构检测

3．1 视网膜图像中的血管检测

3．1．1 背景介绍

3．1．2 基于Weber交换的视网膜图像背景均衡化

3．1．3 基于多尺度空间分析的血管像素增强方法

3．1．4 实验结果对比与分析

3．2 视网膜图像中的视神经盘检测

3．2．1 背景介绍

3．2．2 基于Sobel算子的视盘感兴趣区域提取

3．2．3 视神经盘边缘检测

3．2．4 实验结果与分析

3．3 视网膜图像中的黄斑区检测

3．3．1 背景介绍

3．3．2 基于先验知识的黄斑模糊定位

3．3．3 基于模板匹配的黄斑精确定位

3．3．4 实验结果与分析

3．4 本章小结

第4章 视网膜图像内的徼动脉瘤检测

4．1 背景介绍

4．2 基于多尺度高斯滤波的徼动脉瘤检测

4．3 基于支持向量机的徼动脉瘤分类

4．3．1 支持向量机基本原理

4．3．2 微动脉瘤特征选取

4．4 实验结果与分析

4．5 本章小结

第5章 视网膜图像内的出血检测

5．2 基于多尺度线性结构的数学形态学检测方法

5．2．1 数学形态学基本理论

5．2．2 出血区域检测

5．3 基于超像素区域的灰度值投票算法

5．3．1 超像素基本理论

5．3．2 灰度值投票算法处理过程

5．4 实验结果与分析

5．5 本章小结

6．1 背景介绍

6．2 基于形态学的渗出病变粗检测

6．3．1 基于超像素区域的渗出特征选取

6．3．2 ANN分类器的设计与训练

6．4 实验结果与分析

6．5 本章小结

7．1 工作总结

7．2 研究展望

参考文献

攻读硕士学位期间主要的研究成果

致谢