青光眼眼底图像的自动识别与分析方法研究

论文摘要

青光眼是最常见的致盲性疾病之一,以眼压升高、视神经萎缩和视野缺损为特征。由于青光眼的产出具有隐匿性和渐进性,特别是原发性开角型青光眼,一旦发现视力下降而就诊时,往往已是病程晚期,视野缺损严重,不可恢复。因此青光眼强调早期发现,及时治疗。目前青光眼的早期识别仍然是一个难题,依然停留在依靠经验来实现的地步,且误差特别大。为了能够实现识别的自动化,亟需开发一种可行的识别方法。首先,介绍了目前青光眼识别的现状,指出了自动识别的必要性。接着,以计算机图形处理作为主要技术手段,综合应用图像处理、数学形态学、神经网络等方面的知识,研究了青光眼图像自动识别的方法。借助青光眼图像图谱,做了如下的研究:1.由图谱得到眼底图片54幅,其中包括正常眼睛眼底图片8幅、早期青光眼眼底图片8幅、严重青光眼眼底图片38幅。2.研究了图像的预处理方法,包括图像的去噪处理和图像的增强处理等。3.对预处理后图像从颜色、形状、纹理三个方面进行特征提取,初步提取了49个特征值,然后用PCA(主成分分析法)筛选出具有代表性的32个特征参数。4.在MATLAB环境下,利用人工神经网络建立分类器,对眼底图片进行分类识别。5.以MATLAB GUI作为开发工具,编写“青光眼图像处理与识别系统”,实现对青光眼图像的识别。本课题利用神经网络技术实现对青光眼图像的早期识别,具有快速性、通用性和准确性,这对以人工识别为主的识别方法无疑是一个巨大的改进,在青光眼早期识别上具有广大的应用前景。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 青光眼图像识别研究的目的和意义
• 1.2 数字图像处理和模式识别方法
• 1.2.1 图像处理和模式识别
• 1.2.2 图像模式识别方法简介
• 1.3 国内外图像处理技术在模式识别上的研究进展
• 1.3.1 图像处理技术在图像识别上的应用
• 1.3.2 图像处理技术在青光眼图像识别上的应用
• 1.4 本文的研究内容
• 第二章 高低帽变换实现眼底图像的增强处理
• 2.1 常用图像增强方法及其相关原理的分析
• 2.1.1 图像变换
• 2.1.2 灰度变换
• 2.1.3 直方图处理
• 2.1.4 用算术/逻辑操作增强
• 2.1.5 空间域滤波
• 2.1.6 频率域滤波
• 2.2 眼底图像增强处理的实验与结果分析
• 2.2.1 眼底图像特点分析
• 2.2.2 眼底图像增强处理实验与结果分析
• 2.3 高低帽变换实现眼底图像增强处理算法
• 2.3.1 高低帽变换
• 2.3.2 实验结果与分析
• 2.4 小结
• 第三章 眼底图像特征提取方法的研究
• 3.1 颜色特征提取
• 3.1.1 RGB色度系统
• 3.1.2 眼底图像颜色特征提取
• 3.2 纹理特征提取
• 3.2.1 灰度共生矩阵
• 3.2.2 灰度-梯度共生矩阵
• 3.3 形状特征提取
• 3.3.1 基于分水岭算法和Hough变换的眼底图像的分割
• 3.3.2 不变矩
• 3.3.3 杯盘比
• 3.4 小结
• 第四章 基于主成分分析法（PCA）的特征选择
• 4.1 特征选择及其原则
• 4.1.1 特征选择简介
• 4.1.2 特征选择的原则
• 4.2 PCA方法
• 4.2.1 PCA基本原理
• 4.2.2 PCA实施步骤
• 4.3 用PCA方法进行特征降维
• 4.4 小结
• 第五章 基于BP神经网络的眼底图像识别的研究
• 5.1 图像识别概述
• 5.2 神经网络识别法
• 5.2.1 概述
• 5.2.2 神经网络分类器与传统分类器的对比
• 5.2.3 神经网络基元-神经元模型
• 5.3 基于BP神经网络的眼底图像识别的研究
• 5.3.1 BP神经网络
• 5.3.2 基于MATLAB的BP神经网络用于模式识别
• 5.3.3 基于BP神经网络的眼底图像识别
• 5.3.4 测试结果及分析
• 5.4 小结
• 第六章 检测模型GUI界面的设计
• 6.1 GUI概述
• 6.1.1 GUI开发方法简介
• 6.1.2 GUIDE支持的组件类型
• 6.2 使用GUIDE创建GUI
• 6.3 青光眼图像处理与识别系统GUI的设计
• 6.4 小结
• 第七章 结论和展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文