隨著近年來全球糖尿病患者數量的增多,作為其并發(fā)癥的糖尿病視網膜病變受到越來越多的關注,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劃。硬性滲出物作為糖尿病視網膜病變的初期過渡病變特征,成為眼底檢查的重點檢查對象,對它的檢測可以實現對病變的初期診斷。面對數量巨大的待檢查人群,在進行眼底檢查的過程中需要借助更便攜的檢查設備或更精準的計算機視覺處理輔助診斷技術以提高檢測效率。在對圖像質量要求不高的前提下,便捷式的眼底檢查設備不僅可以降低患者醫(yī)療檢查成本,還可以促進醫(yī)療普查計劃的開展;其次,由于眼底病變的檢測效率和檢測結果容易受人為因素的限制和主觀判斷的影響,利用計算機視覺處理和分析技術可以實現對彩色眼底圖像客觀精確的處理,使得相關硬性滲出物區(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確性。因此,文中分別從眼底檢查設備和滲出物自動檢測技術兩個方面展開了研究。眼底檢查設備方面,設計了一種便捷式非散瞳智能眼底照相機設備,該設備借鑒了間接檢眼鏡的成像原理,系統結構主要分為圖像采集模塊、主控模塊和顯示模塊,當調整好圖像采集模塊中各子模塊之間... 

【文章來源】：江西理工大學江西省

【文章頁數】：71 頁

【學位級別】：碩士

【部分圖文】：

眼底圖像的噪點分析

第二章眼底圖像滲出物區(qū)域檢測的相關理論基礎11(c)灰度直方圖(d)含有噪點的二值圖圖2.1眼底圖像的噪點分析分別觀察原始圖像的紅、綠、藍色通道圖片，可以發(fā)現紅色通道圖像中ROI目標區(qū)域與周圍非目標黑色區(qū)域對比度最為明顯，綠色通道圖像中高亮區(qū)域與周圍背景區(qū)域對比度明顯，而藍色通道圖像目標區(qū)域都觀察不到，因此選擇紅色通道圖像作為制作眼底ROI圖像的基準圖。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，通過采用Otus閾值分析法可知最佳的分割閾值為58，將紅色通道圖像設置閾值58做二值分割即可得到眼底ROI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算即可得到消除了噪聲的眼底ROI圖像，最終結果如圖2.2(f)所示。實驗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算量，提高算法實現效率，將圖片尺寸統一進行縮校(a)紅色通道圖像(b)綠色通道圖像(c)藍色通道圖像(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ROI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性差異的影響，大部分眼底圖像都會出現亮度不均衡

第二章眼底圖像滲出物區(qū)域檢測的相關理論基礎11(c)灰度直方圖(d)含有噪點的二值圖圖2.1眼底圖像的噪點分析分別觀察原始圖像的紅、綠、藍色通道圖片，可以發(fā)現紅色通道圖像中ROI目標區(qū)域與周圍非目標黑色區(qū)域對比度最為明顯，綠色通道圖像中高亮區(qū)域與周圍背景區(qū)域對比度明顯，而藍色通道圖像目標區(qū)域都觀察不到，因此選擇紅色通道圖像作為制作眼底ROI圖像的基準圖。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，通過采用Otus閾值分析法可知最佳的分割閾值為58，將紅色通道圖像設置閾值58做二值分割即可得到眼底ROI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算即可得到消除了噪聲的眼底ROI圖像，最終結果如圖2.2(f)所示。實驗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算量，提高算法實現效率，將圖片尺寸統一進行縮校(a)紅色通道圖像(b)綠色通道圖像(c)藍色通道圖像(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ROI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性差異的影響，大部分眼底圖像都會出現亮度不均衡

【參考文獻】：
期刊論文
[1]中國2型糖尿病防治指南（2017年版）[J]. Chinese Diabetes Society;.  中國實用內科雜志. 2018(04)
[2]眼底檢測儀器——檢眼鏡[J]. 王英麗.  中國眼鏡科技雜志. 2016(01)
[3]光學相干層析成像技術的發(fā)展、應用與研究現狀[J]. 秦玉偉.  激光雜志. 2015(08)
[4]結合SLIC超像素和DBSCAN聚類的眼底圖像硬性滲出檢測方法[J]. 凌朝東,陳虎,楊驍,張浩,黃信.  華僑大學學報(自然科學版). 2015(04)
[5]基于k均值聚類和自適應模板匹配的眼底出血點檢測方法[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)學工程學報. 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.  光學技術. 2014(06)
[7]裂隙燈顯微鏡的發(fā)展及其在視光學中的應用[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)學圖像分割研究[J]. 張翡,范虹.  計算機工程與應用. 2014(04)
[9]一種基于視覺模型的邊緣檢測閾值選擇策略[J]. 侯志強,韓崇昭,鄭林,肖李珍.  光電工程. 2004(02)
[10]可見光對視網膜的損傷[J]. 梁曄,張惠蓉.  國外醫(yī)學.眼科學分冊. 1992(06)

博士論文
[1]基于彩色視網膜圖像的眼底病相關目標檢測方法研究[D]. 戴百生.哈爾濱工業(yè)大學 2016
[2]新型眼底相機的設計與研制[D]. 李燦.中國科學院研究生院(長春光學精密機械與物理研究所) 2014

碩士論文
[1]基于深度學習的糖尿病視網膜病變圖像中滲出物的檢測方法研究[D]. 葉顯一.武漢工程大學 2018
[2]眼底硬性滲出物自動檢測系統的研究與實現[D]. 張磊.哈爾濱工業(yè)大學 2017
[3]液晶顯示檢眼鏡技術研究[D]. 金琳琳.長春理工大學 2011



本文編號：3497509