隨著人口結(jié)構(gòu)向老年人口的急劇轉(zhuǎn)變,與年齡有關(guān)的眼部疾病,將變得越來(lái)越普遍,并發(fā)展成為一個(gè)嚴(yán)重的公共衛(wèi)生問(wèn)題。眼底全景圖對(duì)手術(shù)的診斷和介入規(guī)劃非常有意義,然而由眼底照相機(jī)或掃描激光檢眼鏡(Scanning Laser Ophthalmoscope,SLO)拍攝的單張眼底圖像只能捕捉到眼睛的局部區(qū)域,故將多張高分辨率圖像生成清晰的視野寬闊的全景圖有較大研究?jī)r(jià)值。X線圖像因?yàn)槠漭椛涞?價(jià)格低廉等優(yōu)點(diǎn),在疾病的診斷方面的優(yōu)勢(shì)仍無(wú)可替代。X線圖像如脊柱或者下肢圖像由于硬件如探測(cè)器的限制往往只能拍攝其中一部分,對(duì)于脊柱側(cè)彎畸形和下肢畸形等疾病,醫(yī)生需要X線全景圖像來(lái)提供更好地臨床診斷。本文的研究?jī)?nèi)容包括:(1)基于特征的眼底圖像的自動(dòng)拼接。該算法首先采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)眼底圖像中的血管結(jié)構(gòu)進(jìn)行分割。提出一種基于形態(tài)學(xué)算子的方法提取血管結(jié)構(gòu)的分叉點(diǎn)為特征點(diǎn)。接著對(duì)圖像進(jìn)行匹配,使用隨機(jī)抽樣一致算法(Random Sample Consensus,RANSAC)對(duì)圖像匹配點(diǎn)對(duì)進(jìn)行提純并且計(jì)算圖像的單應(yīng)性矩陣實(shí)現(xiàn)圖像的配準(zhǔn)對(duì)齊。利用不同的投影變換模型將全部待拼接圖像變換到同一坐標(biāo)系下。最終將待拼接圖像無(wú)縫...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－２眼底圖像拼接流程圖??Ｆｉｇ．２－２?Ｆｌｏｗｃｈａｒｔ?ｏｆ?ｔｈｅ?ｐｒｏｐｏｓｅｄ?ｍｅｔｈｏｄ?ｆｏｒ?ｆｕｎｄｕｓ?ｍｏｓａｉｃ?ｉｍａｇｅｓ??：ｌ＂

對(duì)血管網(wǎng)絡(luò)清晰的圖像拼接成功，細(xì)微血管易出現(xiàn)模糊，拼接的圖片張數(shù)比較??少。??圖像全景拼接技術(shù)現(xiàn)已經(jīng)形成比較系統(tǒng)的方法，基本的算法流程如圖２－１??所示。??圖像采集Ｈ圖像預(yù)處理｜￣Ｈ圖像特征提圖像配準(zhǔn)Ｍ圖像融合￣１￣？１全景圖??２－１圖像拼接基本流程??Ｆｉｇ．２－１?Ｆｌ....

圖２＿３本文方法生成的全景圖像??Ｆｉｇ．２－３?Ｅｘａｍｐｌｅ?ｏｆ?ｒｅｔｉｎａｌ?ｍｏｓａｉｃ?ｉｍａｇｅ?ｐｒｏｄｕｃｅｄ?ｂｙ?ｏｕｒ?ｍｅｔｈｏｄ??

并且特征點(diǎn)的有效信息太少，進(jìn)而容易導(dǎo)致特征匹配出錯(cuò)，影響融合結(jié)果。??本章采用形態(tài)學(xué)算子腐蝕二值血管網(wǎng)絡(luò)圖像，利用獲得的特征點(diǎn)坐標(biāo)位置信息??在彩色眼底圖像上進(jìn)行匹配和拼接，獲得全景圖，示例２－３所示，圖２－３左邊??是９個(gè)待拼接的子圖，右圖是利用拼接算法得到的全景圖像，血管拼接....

圖2一4以p，為中心3x3窗口中的9個(gè)像素.FigZ一Desi卯a(chǎn)tionsoft比ninepixelsina3x3window

Ｆｉｇ．２－５?Ｓｅｇｍｅｎｔａｔｉｏｎ?ｏｆ?ｖａｓｃｕｌａｒ?ｓｔｒｕｃｔｕｒｅｓ?ａｎｄ?ｅｘｔｒａｃｔｅｄ?ｖａｓｃｕｌａｒ?ｃｅｎｔｅｒｌｉｎｅｓ，?（ａ）?Ｆｕｎｄｕｓ?ｉｍａｇｅ，??（ｂ）?Ｖａｓｃｕｌａｒ?ｓｔｒｕｃｔｕｒｅｓ?ｏｆ?ｆｕｎｄｕｓ，?ａｎｄ?（ｃ....

圖2一5血管結(jié)構(gòu)的分割和血管中心線的提取

Ｆｉｇ．２－５?Ｓｅｇｍｅｎｔａｔｉｏｎ?ｏｆ?ｖａｓｃｕｌａｒ?ｓｔｒｕｃｔｕｒｅｓ?ａｎｄ?ｅｘｔｒａｃｔｅｄ?ｖａｓｃｕｌａｒ?ｃｅｎｔｅｒｌｉｎｅｓ，?（ａ）?Ｆｕｎｄｕｓ?ｉｍａｇｅ，??（ｂ）?Ｖａｓｃｕｌａｒ?ｓｔｒｕｃｔｕｒｅｓ?ｏｆ?ｆｕｎｄｕｓ，?ａｎｄ?（ｃ....

本文編號(hào)：3939940