视网膜图像处理关键技术研究

论文摘要

医学图像处理与分析一直都是图像处理与分析领域中研究的重点和难点问题之一。借助图形、图像技术的有力手段,医学图像的显示方法和质量得到了极大的改善,使诊断水平得到很大提高。眼底图像的计算机分析系统的建立,可以对眼底许多组织进行定量测量,在正常和异常之间做出明确鉴别,使眼底系统形态的研究标准化,从而大大加强眼底检查优势。本课题针对视网膜图像处理和分析中的关键技术问题作了研究,包括视网膜血管网络的提取、视网膜血管宽度的测量、视网膜图像的配准及拼接。文中对视网膜图像的血管分割提出了一种基于过渡区提取的视网膜血管分割方法。该方法首先采用Gabor匹配滤波预处理以增强血管,然后采用基于最佳熵的方法提取主血管、采用基于分布式遗传算法和Otsu相结合的方法提取过渡区,最后利用区域连通性分析所提取的主血管和过渡区,分割出最终的血管。对于视网膜血管的测量,文中在血管网络提取的基础上,应用血管的中心线来确定血管方向,构造匹配模板,建立近似血管灰度分布的高斯模型,并结合最小二乘法,求解出血管的宽度。针对视网膜图像的配准,本文考虑到视网膜图像的特点及图像配准算法的精度、速度及实际应用性等因素,提出了基于平面曲线的LoG(Laplacian of Gaussian)算子对视网膜网络血管进行特征点检测。最后,实现了多幅视网膜图像的拼接。在理论分析和研究的基础上,本文实现了血管网络的自动提取,并与专家手工描出的结果进行了性能评估;完成了血管宽度的自动测量;实现了图像间的自动配准及平滑拼接。实验结果表明,本文方法无论是在速度、精度方面,还是在鲁棒性方面都取得了较好的效果。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题的研究目的及意义
• 1.2 课题的研究现状
• 1.2.1 视网膜图像血管网络提取的研究现状
• 1.2.2 视网膜图像血管宽度测量的研究现状
• 1.2.3 视网膜图像拼接的研究现状
• 1.3 课题的研究内容
• 2 视网膜图像血管网络提取
• 2.1 视网膜图像预处理和血管增强
• 2.1.1 视网膜图像预处理
• 2.1.2 血管增强
• 2.2 血管分割
• 2.2.1 基于最佳熵的主血管分割
• 2.2.2 过渡区提取
• 2.2.3 血管区域特征综合
• 2.3 实验结果与分析
• 2.4 本章小结
• 3 视网膜血管宽度测量
• 3.1 血管的结构分析
• 3.2 模型的建立
• 3.3 模型参数确定
• 3.4 血管宽度测量结果
• 3.5 本章小结
• 4 视网膜图像配准
• 4.1 医学图像融合
• 4.1.1 图像融合
• 4.1.2 医学图像融合
• 4.2 图像配准
• 4.2.1 相似性测度
• 4.2.2 优化搜索策略
• 4.2.3 插值
• 4.3 常用图像配准方法
• 4.3.1 基于点映射的配准方法
• 4.3.2 基于弹性模型的配准方法
• 4.3.3 基于特征的配准方法
• 4.3.4 基于图像相关的配准方法
• 4.4 本章小结
• 5 视网膜图像拼接
• 5.1 视网膜图像拼接的特点
• 5.2 眼底图像拼接流程
• 5.3 视网膜图像特征点检测
• 5.3.1 基于LoG 的平面曲线的特征点检测
• 5.4 特征点匹配
• 5.5 视网膜图像配准变换模型选择
• 5.6 视网膜图像拼接
• 5.6.1 图像拼接方法
• 5.6.2 多幅图像自动拼接
• 5.7 实验结果与分析
• 5.7.1 实验结果
• 5.7.2 实验结果分析
• 5.8 本章小结
• 6 总结与展望
• 致谢
• 参考文献
• 附录
• 作者在攻读学位期间发表的论文目录