視網(wǎng)膜血管分割是構(gòu)建眼底圖像分析和計算機輔助疾病診斷系統(tǒng)的關鍵環(huán)節(jié)。提出了一種基于Hessian的方向自適應Gabor小波的視網(wǎng)膜血管分割方法,根據(jù)Hessian矩陣的本征向量獲得血管走向,并將其作為Gabor小波變換的方向角;提取出4個尺度的方向自適應Gabor小波特征,結(jié)合Hessian矩陣的大本征值構(gòu)建5維的視網(wǎng)膜血管特征;采用支持向量機進行眼底圖像像素分類實現(xiàn)血管分割。所提方法能準確感知血管方向,只需計算此方向下Gabor小波的濾波響應,減小了特征提取的計算量,實現(xiàn)了Hessian矩陣大本征值與Gabor小波特征較好的互補性。利用所提方法在DRIVE數(shù)據(jù)庫進行實驗,獲得較好的分割性能,所提方法對細小血管的提取和對分叉、交叉處血管點的檢測表現(xiàn)出良好的效果。 

【文章來源】：激光與光電子學進展. 2020,57(08)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

綠色通道和其他通道提取結(jié)果對比圖。（a）彩色眼底圖；（b）紅通道；（c）綠通道；（d）藍通道

本文方法流程圖

本文在選定綠通道后，使用感興趣區(qū)域膨脹擴張眼底圖像邊界，避免其產(chǎn)生假響應，隨后使用Retinex圖像增強算法處理圖像，消除光照不均的影響，以改善圖像的視覺效果。以DRIVE數(shù)據(jù)庫[16]的視網(wǎng)膜眼底圖為例得到的預處理結(jié)果如圖3所示。將該預處理結(jié)果圖作為Hessian矩陣特征提取輸入圖像。但需要說明的是，Gabor小波變換特征提取圖中是以感興趣區(qū)域膨脹處理后的圖像作為輸入圖像的。2.2 Hessian矩陣特征

【參考文獻】：
期刊論文
[1]基于Frangi濾波器和Otsu視網(wǎng)膜血管分割[J]. 孟琳,劉靜,曹慧,史婷瑤,張馳.  激光與光電子學進展. 2019(18)
[2]基于全卷積神經(jīng)網(wǎng)絡的多尺度視網(wǎng)膜血管分割[J]. 鄭婷月,唐晨,雷振坤.  光學學報. 2019(02)
[3]基于改進卷積神經(jīng)網(wǎng)絡的視網(wǎng)膜血管圖像分割[J]. 吳晨玥,易本順,章云港,黃松,馮雨.  光學學報. 2018(11)
[4]基于多特征融合的有監(jiān)督視網(wǎng)膜血管提取[J]. 梁禮明,劉博文,楊海龍,石霏,陳新建.  計算機學報. 2018(11)
[5]一種混合特征高效融合的視網(wǎng)膜血管分割方法[J]. 蔡軼珩,高旭蓉,邱長炎,崔益澤.  電子與信息學報. 2017(08)
[6]基于多特征融合和隨機森林的視網(wǎng)膜血管分割[J]. 朱承璋,崔錦愷,鄒北驥,陳瑤,王俊.  計算機輔助設計與圖形學學報. 2017(04)
[7]基于多尺度2D Gabor小波的視網(wǎng)膜血管自動分割[J]. 王曉紅,趙于前,廖苗,鄒北驥.  自動化學報. 2015(05)



本文編號：3444704