本文關(guān)鍵詞：基于尺度空間分析的眼底圖像血管魯棒檢測

  更多相關(guān)文章： 視網(wǎng)膜血管 Hessian矩陣 多尺度增強(qiáng)濾波 血管分割

【摘要】：視網(wǎng)膜血管分割在眼底圖像分析中具有重要作用,血管是視網(wǎng)膜眼底圖像中最重要的生理結(jié)構(gòu)之一,很多眼科疾病以及很多對視力造成損害的疑難疾病,例如高血壓、糖尿病等,都會對視網(wǎng)膜血管造成嚴(yán)重破壞,提取準(zhǔn)確清晰的血管結(jié)構(gòu)可以極大幫助專家進(jìn)行更好的診斷和治療,因此,針對視網(wǎng)膜眼底圖像的血管檢測與提取具有較高的應(yīng)用價值。血管在眼底圖像中呈現(xiàn)為樹狀結(jié)構(gòu),具有線狀目標(biāo)的特點,在圖像中表現(xiàn)為狹長的連通的條形模式,并沿一定走向伸展變化,且截面像素的灰度通常呈現(xiàn)高斯分布特性。血管在圖像中的形態(tài)具有多變性,具體表現(xiàn)在方向和尺寸的變化上,可觀察到血管的走向可以在0到360°任意變化,同時其寬度也會大幅度變化,例如同一幅眼底圖像中血管寬度可以在1~20像素變化。血管形態(tài)的多變性使得對其進(jìn)行魯棒檢測仍然具有一定的困難,同時作為典型的線狀目標(biāo),其檢測方法對于其它圖像中線狀結(jié)構(gòu)的檢測具有重要的借鑒意義。為了適應(yīng)血管寬度的變化,本文基于多尺度空間分析理論,研究了視網(wǎng)膜眼底圖像的血管增強(qiáng)和分割方法,主要研究內(nèi)容包括以下兩個方面:(1)研究了基于多尺度Gabor濾波和多尺度頂帽變換兩種圖像增強(qiáng)方法,并對單尺度和多尺度血管增強(qiáng)方法進(jìn)行了實驗對比,實驗結(jié)果驗證了使用多尺度方法增強(qiáng)血管圖像的必要性。(2)結(jié)合多尺度Hessian矩陣濾波和線檢測算子,提出一種有效的血管檢測方法。首先利用多尺度Hessian矩陣的特征值構(gòu)建血管相似性函數(shù)實現(xiàn)血管增強(qiáng),然后采用改進(jìn)的線檢測算子,提取反映血管測度的特征,最后采用支持向量機(jī)實現(xiàn)血管檢測。本文算法主要在兩個公開的眼底圖像數(shù)據(jù)庫DRIVE和STARE數(shù)據(jù)庫中進(jìn)行了實驗,使用了準(zhǔn)確率、靈敏性、特異性及局部準(zhǔn)確率等一系列的評價指標(biāo)。實驗結(jié)果表明本文方法只需要較少的訓(xùn)練樣本,即可達(dá)到與其它方法相當(dāng)?shù)臏?zhǔn)確率,且在靈敏性上具備相對更好的性能。
【關(guān)鍵詞】：視網(wǎng)膜血管 Hessian矩陣 多尺度增強(qiáng)濾波 血管分割
【學(xué)位授予單位】：湘潭大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R770.4;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-18
• 1.1 課題研究的背景及意義9
• 1.2 課題研究中存在的難點9-11
• 1.3 視網(wǎng)膜血管分割技術(shù)研究綜述11-15
• 1.3.1 基于非監(jiān)督的分割方法11-14
• 1.3.2 基于監(jiān)督學(xué)習(xí)的分割方法14-15
• 1.4 各種分割方法總結(jié)15-16
• 1.5 本文主要內(nèi)容及章節(jié)安排16-18
• 第2章 視網(wǎng)膜圖像采集、數(shù)據(jù)庫及評價指標(biāo)18-23
• 2.1 視網(wǎng)膜眼底圖像的采集18
• 2.2 視網(wǎng)膜眼底圖像標(biāo)準(zhǔn)數(shù)據(jù)庫18-21
• 2.2.1 DRIVE圖像數(shù)據(jù)庫19-20
• 2.2.2 STARE圖像數(shù)據(jù)庫20-21
• 2.3 分割方法性能評價指標(biāo)21-22
• 2.4 本章小結(jié)22-23
• 第3章 多尺度圖像增強(qiáng)方法與對比實驗23-30
• 3.1 尺度空間理論簡介23-24
• 3.2 單尺度和多尺度圖像增強(qiáng)實驗對比24-29
• 3.2.1 多尺度Gabor濾波24-26
• 3.2.2 多尺度頂帽變換26-29
• 3.3 本章小結(jié)29-30
• 第4章 基于多尺度濾波和線檢測算子的視網(wǎng)膜血管分割30-45
• 4.1 基于Hessian矩陣濾波的血管多尺度濾波增強(qiáng)30-35
• 4.1.1 綠色通道的選取30-31
• 4.1.2 Hessian矩陣濾波原理31-32
• 4.1.3 血管相似性測度32-33
• 4.1.4 多尺度融合33-34
• 4.1.5 多尺度濾波實驗結(jié)果34-35
• 4.2 線檢測算子原理35-36
• 4.3 支持向量機(jī)的基本原理36-39
• 4.4 實驗結(jié)果及性能分析39-44
• 4.4.1 評價指標(biāo)39
• 4.4.2 實驗結(jié)果及評價39-44
• 4.5 本章小結(jié)44-45
• 第5章 總結(jié)與展望45-47
• 5.1 總結(jié)45
• 5.2 展望45-47
• 參考文獻(xiàn)47-51
• 致謝51-52
• 學(xué)習(xí)期間發(fā)表的學(xué)術(shù)論文與研究成果52

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡磊;畢維民;陳迪;郭永新;張光玉;李艷春;焦青;;眼底圖像處理軟件在眼科臨床應(yīng)用觀察[J];泰山醫(yī)學(xué)院學(xué)報;2009年09期

2 張東波;易瑤;趙圓圓;;基于投影的視網(wǎng)膜眼底圖像視盤檢測方法[J];中國生物醫(yī)學(xué)工程學(xué)報;2013年04期

3 劉愛珍,馬斌榮,徐亮,楊樺,孫秀英;眼底圖像融合[J];中國醫(yī)學(xué)影像技術(shù);2003年11期

4 劉愛珍;王小兵;徐亮;任海萍;宋菲;王颯;;眼底圖像對位頻閃[J];首都醫(yī)科大學(xué)學(xué)報;2006年05期

5 余輪;魏麗芳;潘林;;眼底圖像配準(zhǔn)技術(shù)研究進(jìn)展[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年05期

6 魏麗芳;潘林;余輪;;一種病變眼底圖像的配準(zhǔn)方法[J];中國生物醫(yī)學(xué)工程學(xué)報;2011年04期

7 陳驥;彭承琳;;眼底圖像的三維重建[J];生物醫(yī)學(xué)工程學(xué)雜志;2008年01期

8 陳萌夢;熊興良;張琰;王詩鳴;李廣;;1種視網(wǎng)膜眼底圖像增強(qiáng)的新方法[J];重慶醫(yī)科大學(xué)學(xué)報;2014年08期

9 劉愛珍,馬斌榮,徐亮,孫秀英,宋菲;眼底圖像的配準(zhǔn)[J];醫(yī)療設(shè)備信息;2003年10期

10 曹米莎;程建新;陳昱昆;龐博;王劍鋒;詹增榮;鄺健;周少博;李輝;梁納;袁永剛;盧毓敏;陳悅玲;;眼底圖像檢驗系統(tǒng)對眼底的臨床觀察與研究[J];臨床醫(yī)學(xué)工程;2013年01期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 王子亮;潘林;余輪;;基于矢量方法的眼底圖像預(yù)處理[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

2 曹米莎;程建新;陳昱昆;龐博;王劍鋒;詹增榮;鄺健;周少博;李輝;梁納;袁永剛;盧毓敏;陳悅玲;;眼底圖像檢驗系統(tǒng)對眼底的臨床觀察與研究[A];“廣東省光學(xué)學(xué)會2013年學(xué)術(shù)交流大會”暨“粵港臺光學(xué)界產(chǎn)學(xué)研合作交流大會”會議手冊論文集[C];2013年

3 黃君鑫;;紅外眼底鏡的研究[A];中國光學(xué)學(xué)會2006年學(xué)術(shù)大會論文摘要集[C];2006年

4 朱琳琳;唐延?xùn)|;;基于眼底特征的視盤自動檢測[A];2010中國儀器儀表學(xué)術(shù)、產(chǎn)業(yè)大會（論文集1）[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 高瑋瑋;眼底圖像分割算法及應(yīng)用研究[D];南京航空航天大學(xué);2013年

2 李居朋;眼底圖像處理與分析中一些關(guān)鍵問題的研究[D];北京交通大學(xué);2009年

3 韓松濤;眼底圖像的血管特征分析[D];吉林大學(xué);2010年

4 姚暢;眼底圖像分割方法的研究及其應(yīng)用[D];北京交通大學(xué);2009年

5 李鵬飛;眼底圖像實時處理與液晶自適應(yīng)系統(tǒng)控制研究[D];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）;2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 于婷;眼底圖像視神經(jīng)盤和滲出物自動分割算法研究[D];蘭州大學(xué);2015年

2 鄭姍;主動輪廓模型及其在眼底圖像分割中的應(yīng)用[D];沈陽理工大學(xué);2015年

3 于甜甜;基于自適應(yīng)盲解卷積的眼底圖像復(fù)原[D];山東農(nóng)業(yè)大學(xué);2015年

4 于揮;眼底圖像中病變的檢測方法研究[D];蘭州交通大學(xué);2015年

5 趙麒然;基于改進(jìn)參數(shù)核圖割的OCT眼底圖像分割方法研究[D];吉林大學(xué);2016年

6 潘燕紅;基于監(jiān)督分類的糖尿病視網(wǎng)膜病變檢測方法的研究[D];福州大學(xué);2014年

7 李敏;眼底圖像血管三維重建方法研究[D];天津工業(yè)大學(xué);2016年

8 邵一婷;彩色眼底圖像視盤自動檢測方法研究[D];天津工業(yè)大學(xué);2016年

9 祝婉;多模眼底圖像配準(zhǔn)方法研究[D];天津工業(yè)大學(xué);2016年

10 崔寧;彩色眼底圖像血管參數(shù)測量方法研究[D];天津工業(yè)大學(xué);2016年

，

本文編號：667860