隨著近年來全球糖尿病患者數(shù)量的增多,作為其并發(fā)癥的糖尿病視網(wǎng)膜病變受到越來越多的關(guān)注,該類并發(fā)癥致盲的概率非常高,目前許多國家都將這種并發(fā)癥列入了國家普查計(jì)劃。硬性滲出物作為糖尿病視網(wǎng)膜病變的初期過渡病變特征,成為眼底檢查的重點(diǎn)檢查對(duì)象,對(duì)它的檢測(cè)可以實(shí)現(xiàn)對(duì)病變的初期診斷。面對(duì)數(shù)量巨大的待檢查人群,在進(jìn)行眼底檢查的過程中需要借助更便攜的檢查設(shè)備或更精準(zhǔn)的計(jì)算機(jī)視覺處理輔助診斷技術(shù)以提高檢測(cè)效率。在對(duì)圖像質(zhì)量要求不高的前提下,便捷式的眼底檢查設(shè)備不僅可以降低患者醫(yī)療檢查成本,還可以促進(jìn)醫(yī)療普查計(jì)劃的開展;其次,由于眼底病變的檢測(cè)效率和檢測(cè)結(jié)果容易受人為因素的限制和主觀判斷的影響,利用計(jì)算機(jī)視覺處理和分析技術(shù)可以實(shí)現(xiàn)對(duì)彩色眼底圖像客觀精確的處理,使得相關(guān)硬性滲出物區(qū)域都能被精確分割和智能化分析,從而為醫(yī)生提供有效的輔助信息,提高診斷的效率和準(zhǔn)確性。因此,文中分別從眼底檢查設(shè)備和滲出物自動(dòng)檢測(cè)技術(shù)兩個(gè)方面展開了研究。眼底檢查設(shè)備方面,設(shè)計(jì)了一種便捷式非散瞳智能眼底照相機(jī)設(shè)備,該設(shè)備借鑒了間接檢眼鏡的成像原理,系統(tǒng)結(jié)構(gòu)主要分為圖像采集模塊、主控模塊和顯示模塊,當(dāng)調(diào)整好圖像采集模塊中各子模塊之間... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

眼底圖像的噪點(diǎn)分析

第二章眼底圖像滲出物區(qū)域檢測(cè)的相關(guān)理論基礎(chǔ)11(c)灰度直方圖(d)含有噪點(diǎn)的二值圖圖2.1眼底圖像的噪點(diǎn)分析分別觀察原始圖像的紅、綠、藍(lán)色通道圖片，可以發(fā)現(xiàn)紅色通道圖像中ROI目標(biāo)區(qū)域與周圍非目標(biāo)黑色區(qū)域?qū)Ρ榷茸顬槊黠@，綠色通道圖像中高亮區(qū)域與周圍背景區(qū)域?qū)Ρ榷让黠@，而藍(lán)色通道圖像目標(biāo)區(qū)域都觀察不到，因此選擇紅色通道圖像作為制作眼底R(shí)OI圖像的基準(zhǔn)圖。分析紅色通道圖像的灰度直方圖2.2(d)可知，大部分的灰度集中分布在50~255范圍內(nèi)，通過采用Otus閾值分析法可知最佳的分割閾值為58，將紅色通道圖像設(shè)置閾值58做二值分割即可得到眼底R(shí)OI圖像的掩模圖，如圖2.2(e)，將得到的掩模圖與原始圖像作與運(yùn)算即可得到消除了噪聲的眼底R(shí)OI圖像，最終結(jié)果如圖2.2(f)所示。實(shí)驗(yàn)過程中使用到的原始圖像尺寸很大，為了減少圖像處理過程中的計(jì)算量，提高算法實(shí)現(xiàn)效率，將圖片尺寸統(tǒng)一進(jìn)行縮校(a)紅色通道圖像(b)綠色通道圖像(c)藍(lán)色通道圖像(d)紅色通道圖像灰度直方圖(e)提取到的ROI區(qū)域掩模(f)消除了噪聲的眼底R(shí)OI圖像圖2.2眼底圖像ROI區(qū)域的提取2.1.2亮度校正受到拍攝光照不均和病人眼底個(gè)性差異的影響，大部分眼底圖像都會(huì)出現(xiàn)亮度不均衡

第二章眼底圖像滲出物區(qū)域檢測(cè)的相關(guān)理論基礎(chǔ)11(c)灰度直方圖(d)含有噪點(diǎn)的二值圖圖2.1眼底圖像的噪點(diǎn)分析分別觀察原始圖像的紅、綠、藍(lán)色通道圖片，可以發(fā)現(xiàn)紅色通道圖像中ROI目標(biāo)區(qū)域與周圍非目標(biāo)黑色區(qū)域?qū)Ρ榷茸顬槊黠@，綠色通道圖像中高亮區(qū)域與周圍背景區(qū)域?qū)Ρ榷让黠@，而藍(lán)色通道圖像目標(biāo)區(qū)域都觀察不到，因此選擇紅色通道圖像作為制作眼底R(shí)OI圖像的基準(zhǔn)圖。分析紅色通道圖像的灰度直方圖2.2(d)可知，大部分的灰度集中分布在50~255范圍內(nèi)，通過采用Otus閾值分析法可知最佳的分割閾值為58，將紅色通道圖像設(shè)置閾值58做二值分割即可得到眼底R(shí)OI圖像的掩模圖，如圖2.2(e)，將得到的掩模圖與原始圖像作與運(yùn)算即可得到消除了噪聲的眼底R(shí)OI圖像，最終結(jié)果如圖2.2(f)所示。實(shí)驗(yàn)過程中使用到的原始圖像尺寸很大，為了減少圖像處理過程中的計(jì)算量，提高算法實(shí)現(xiàn)效率，將圖片尺寸統(tǒng)一進(jìn)行縮校(a)紅色通道圖像(b)綠色通道圖像(c)藍(lán)色通道圖像(d)紅色通道圖像灰度直方圖(e)提取到的ROI區(qū)域掩模(f)消除了噪聲的眼底R(shí)OI圖像圖2.2眼底圖像ROI區(qū)域的提取2.1.2亮度校正受到拍攝光照不均和病人眼底個(gè)性差異的影響，大部分眼底圖像都會(huì)出現(xiàn)亮度不均衡

【參考文獻(xiàn)】：
期刊論文
[1]中國2型糖尿病防治指南（2017年版）[J]. Chinese Diabetes Society;.  中國實(shí)用內(nèi)科雜志. 2018(04)
[2]眼底檢測(cè)儀器——檢眼鏡[J]. 王英麗.  中國眼鏡科技雜志. 2016(01)
[3]光學(xué)相干層析成像技術(shù)的發(fā)展、應(yīng)用與研究現(xiàn)狀[J]. 秦玉偉.  激光雜志. 2015(08)
[4]結(jié)合SLIC超像素和DBSCAN聚類的眼底圖像硬性滲出檢測(cè)方法[J]. 凌朝東,陳虎,楊驍,張浩,黃信.  華僑大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(04)
[5]基于k均值聚類和自適應(yīng)模板匹配的眼底出血點(diǎn)檢測(cè)方法[J]. 肖志濤,趙北方,張芳,耿磊,吳駿,王雯,張欣鵬,蘇龍,陳莉明,單春燕.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2015(03)
[6]眼底圖像中視盤的平滑濾波與CV模型分割[J]. 趙圓圓,張東波,王穎.  光學(xué)技術(shù). 2014(06)
[7]裂隙燈顯微鏡的發(fā)展及其在視光學(xué)中的應(yīng)用[J]. 亓昊慧.  中國醫(yī)療器械雜志. 2013(06)
[8]基于模糊C均值聚類的醫(yī)學(xué)圖像分割研究[J]. 張翡,范虹.  計(jì)算機(jī)工程與應(yīng)用. 2014(04)
[9]一種基于視覺模型的邊緣檢測(cè)閾值選擇策略[J]. 侯志強(qiáng),韓崇昭,鄭林,肖李珍.  光電工程. 2004(02)
[10]可見光對(duì)視網(wǎng)膜的損傷[J]. 梁曄,張惠蓉.  國外醫(yī)學(xué).眼科學(xué)分冊(cè). 1992(06)

博士論文
[1]基于彩色視網(wǎng)膜圖像的眼底病相關(guān)目標(biāo)檢測(cè)方法研究[D]. 戴百生.哈爾濱工業(yè)大學(xué) 2016
[2]新型眼底相機(jī)的設(shè)計(jì)與研制[D]. 李燦.中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所) 2014

碩士論文
[1]基于深度學(xué)習(xí)的糖尿病視網(wǎng)膜病變圖像中滲出物的檢測(cè)方法研究[D]. 葉顯一.武漢工程大學(xué) 2018
[2]眼底硬性滲出物自動(dòng)檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D]. 張磊.哈爾濱工業(yè)大學(xué) 2017
[3]液晶顯示檢眼鏡技術(shù)研究[D]. 金琳琳.長春理工大學(xué) 2011



本文編號(hào)：3497509