眼底視網(wǎng)膜圖像中的血管自動(dòng)分割檢測(cè),對(duì)臨床輔助醫(yī)學(xué)診斷具有及其重要的意義。傳統(tǒng)分割算法需要在圖像的預(yù)處理階段進(jìn)行濾波除噪的工作,但其忽略了圖像中微弱的血管信號(hào)同時(shí)被濾除的可能性,將造成視盤(pán)邊緣部分微細(xì)血管的漏檢�？紤]到微弱信號(hào)、附加噪聲與非線(xiàn)性系統(tǒng)三者協(xié)同的隨機(jī)共振機(jī)制具有增強(qiáng)弱信號(hào)的作用,因此本文引入隨機(jī)共振機(jī)制來(lái)實(shí)現(xiàn)微弱血管的自動(dòng)分割檢測(cè)。首先介紹了隨機(jī)共振的理論原理,驗(yàn)證了隨機(jī)共振機(jī)制在增強(qiáng)弱信號(hào)上的優(yōu)越性能。然后提出了眼底視網(wǎng)膜血管多級(jí)分割的隨機(jī)共振方法,先進(jìn)行全局意義上的隨機(jī)共振響應(yīng)實(shí)現(xiàn)高對(duì)比度粗血管的檢測(cè),然后重新定義輸入信號(hào)為屏蔽全局檢測(cè)結(jié)果的局部圖像,實(shí)現(xiàn)低對(duì)比度微細(xì)血管的增強(qiáng)檢測(cè),完成多級(jí)隨機(jī)共振分割檢測(cè)。最后提出了基于尺度分解的眼底血管隨機(jī)共振檢測(cè)方法,將圖像進(jìn)行尺度分解,對(duì)包含細(xì)節(jié)信息的高頻信號(hào)進(jìn)行隨機(jī)共振增強(qiáng)實(shí)現(xiàn)微細(xì)血管分割檢測(cè),融合低頻圖像信號(hào)后得到最終的血管分割檢測(cè)結(jié)果。本文的主要研究工作和成果如下所示:(1)給出了并聯(lián)雙穩(wěn)態(tài)模型實(shí)現(xiàn)圖像弱信號(hào)增強(qiáng)的方案,使用并聯(lián)的雙穩(wěn)態(tài)模型分別處理不同掃描方式得到的圖像一維序列,較傳統(tǒng)隨機(jī)共振增強(qiáng)方法更加提升了圖像信號(hào)的增... 

【文章來(lái)源】：杭州電子科技大學(xué)浙江省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１人眼結(jié)構(gòu)??

?眼底主要包含的結(jié)構(gòu)組織包括視網(wǎng)膜，眼底血管，視神經(jīng)纖維，視神經(jīng)乳頭，黃斑以及??脈絡(luò)膜等［２８１。圖２．２顯示了拍攝的眼底視網(wǎng)膜血管圖像剖面解析圖。眼底圖像中的視盤(pán)，也??稱(chēng)為視乳頭，是視網(wǎng)膜后極部一個(gè)邊界清晰，呈現(xiàn)橘紅色的圓形盤(pán)結(jié)構(gòu)。眼底圖像中顏色最??亮最淡的結(jié)構(gòu)即為視盤(pán)，是觀察眼底圖像最為顯著的結(jié)構(gòu)。黃斑在眼球的后極部，處于視網(wǎng)??膜的中心區(qū)域，呈現(xiàn)橢圓或者近似圓形，富含葉黃素而顯出暗紅色。黃斑中央存在一個(gè)中央??凹，是視覺(jué)敏感性最強(qiáng)的部位。遍布視網(wǎng)膜眼底的血管是腦血管的分支，血管的動(dòng)脈和靜脈??交織分布，都起源于視盤(pán)，由粗到細(xì)發(fā)散性交叉分布，其中動(dòng)脈較靜脈彎曲度更大、更明亮，??靜脈血管則更寬。由于血管壁的厚度和透明度、血液循環(huán)情況等導(dǎo)致眼底圖像血管存在中心??反光現(xiàn)象，一般表現(xiàn)為橘紅色的血管壁中心有發(fā)亮的黃色線(xiàn)條。??，－一?Ｉ?視盤(pán)??／?Ｓｍ－視網(wǎng)膜血管靜脈??中央凹??、＼?

視網(wǎng)膜血管圖像預(yù)處理技術(shù)??圖像處理技術(shù)的一大領(lǐng)域就是圖像預(yù)處理技術(shù)。圖像預(yù)處理在圖像處理的過(guò)或缺的，通過(guò)特定方式進(jìn)行預(yù)處理后的圖像可以將圖像中需要的信息進(jìn)行增強(qiáng)濾除掩蓋或者削弱對(duì)圖像處理結(jié)果造成不良影響的因素，大大提升了圖像處。在進(jìn)行眼底視網(wǎng)膜血管分割檢測(cè)的研宄之前，根據(jù)眼底圖像的特性對(duì)其進(jìn)是非常有必要的。眼底圖像的采集有其自身的特殊性，使用的是專(zhuān)用的眼底備，盡管如今的設(shè)備已經(jīng)足夠先進(jìn)，但由于拍攝環(huán)境、血管的復(fù)雜分布特性加上圖像本身在采集、傳輸、存儲(chǔ)過(guò)程中會(huì)有質(zhì)量損傷和噪聲干擾，最后得不能清晰的反映出眼底血管結(jié)構(gòu)特征［３Ｇ］。拍攝得到的眼底圖像中，存在噪聲景灰度區(qū)別不明顯，一些血管湮沒(méi)在背景中無(wú)法分辨等問(wèn)題，所以正常情況為對(duì)象直接進(jìn)行血管分割檢測(cè)算法的研宄。一般在具體的算法研究之前都需系列的預(yù)處理操作，以獲取更理想的目標(biāo)圖像，提升后續(xù)血管分割檢測(cè)的精到提局后續(xù)臨床醫(yī)療診斷的效率的目的。??Ｂ通道的選取??

【參考文獻(xiàn)】：
期刊論文
[1]彩色眼底圖像視網(wǎng)膜血管分割方法研究進(jìn)展[J]. 朱承璋,鄒北驥,向遙,嚴(yán)權(quán)峰,梁毅雄,崔錦愷,劉晴.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2015(11)
[2]基于陣列級(jí)聯(lián)FHN神經(jīng)元的弱信號(hào)隨機(jī)共振復(fù)原研究[J]. 陳金龍,范影樂(lè),武薇,高云園.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2013(04)
[3]基于FHN神經(jīng)元隨機(jī)共振的低劑量肺部CT圖像增強(qiáng)[J]. 王海玲,范影樂(lè),陳可,沈?qū)W麗,李軼.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2012(02)
[4]基于隨機(jī)共振的微弱信號(hào)檢測(cè)[J]. 梁軍利,楊樹(shù)元,唐志峰.  電子與信息學(xué)報(bào). 2006(06)
[5]糖尿病性視網(wǎng)膜病變的遠(yuǎn)程篩查[J]. 莫靜.  國(guó)外醫(yī)學(xué).眼科學(xué)分冊(cè). 2003(05)
[6]基于脊波變換的直線(xiàn)特征檢測(cè)[J]. 侯彪,劉芳,焦李成.  中國(guó)科學(xué)E輯:技術(shù)科學(xué). 2003(01)

碩士論文
[1]強(qiáng)噪聲背景下微弱信號(hào)檢測(cè)與處理方法研究[D]. 蔡志全.內(nèi)蒙古科技大學(xué) 2014
[2]弱信號(hào)隨機(jī)共振檢測(cè)機(jī)制及其在圖像增強(qiáng)中的應(yīng)用研究[D]. 陳可.杭州電子科技大學(xué) 2011
[3]眼底照相機(jī)中圖像處理技術(shù)的研究與實(shí)現(xiàn)[D]. 黃琳.南京航空航天大學(xué) 2009



本文編號(hào)：2910208