本文關(guān)鍵詞：視網(wǎng)膜圖像血管分割技術(shù)的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：視網(wǎng)膜血管是全身微循環(huán)系統(tǒng)的重要組成部分,其形態(tài)結(jié)構(gòu)的變化與糖尿病、高血壓、冠狀動(dòng)脈硬化和腦血管硬化等心血管類(lèi)疾病的病情嚴(yán)重程度密切相關(guān)。糖尿病是一種全球性的非傳染性疾病,由其引發(fā)的視網(wǎng)膜病變是一種最常見(jiàn)的視網(wǎng)膜血管病,極易致盲。通過(guò)提取視網(wǎng)膜血管,對(duì)其管徑和彎曲度等特征進(jìn)行相關(guān)參數(shù)的測(cè)量與分析,就能夠在很大程度上對(duì)糖尿病視網(wǎng)膜病變進(jìn)行預(yù)測(cè),從而科學(xué)地實(shí)施預(yù)防性干預(yù)和藥物治療。因此,視網(wǎng)膜圖像血管分割技術(shù)的研究對(duì)于醫(yī)學(xué)臨床應(yīng)用具有十分重要的意義。視網(wǎng)膜圖像的特征較為復(fù)雜且因人而異,視網(wǎng)膜血管的自動(dòng)提取極容易受到外界條件及病變本身的影響。因此,提高視網(wǎng)膜血管的提取精確度是一項(xiàng)重要的研究課題。本論文提出了一種基于多尺度線性檢測(cè)和圖像局部熵閾值的視網(wǎng)膜血管分割算法。該算法的創(chuàng)新點(diǎn)在于不僅能夠正確處理存在中央反射的血管分割問(wèn)題,還能夠正確處理緊鄰血管分割容易出現(xiàn)合并的問(wèn)題,同時(shí)也具備分割出更多細(xì)小的毛細(xì)血管的優(yōu)點(diǎn)。首先,提取視網(wǎng)膜圖像中包含有豐富血管輪廓信息的綠色分量,并對(duì)其進(jìn)行陰影修正、降噪、CLAHE等預(yù)處理;其次,基于視網(wǎng)膜血管網(wǎng)絡(luò)的形態(tài)結(jié)構(gòu)特征,采取了多尺度、多方向的線性檢測(cè),融合不同尺度下的圖像檢測(cè)響應(yīng),從而獲得視網(wǎng)膜圖像血管的特征;最后,基于圖像的灰度-梯度共生矩陣計(jì)算最佳局部熵閾值,并依據(jù)該閾值對(duì)視網(wǎng)膜血管圖像進(jìn)行分割。本文選用DIARETDB0、DRIVE和HRF等三個(gè)圖像庫(kù)的視網(wǎng)膜圖像進(jìn)行算法性能測(cè)試,并分別與采用Nguyen算法的分割結(jié)果、專(zhuān)家手動(dòng)分割結(jié)果等進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,本文提出的算法分能夠分割出更多毛細(xì)血管,割精確度高,計(jì)算速度快,具有很好的魯棒性。血管彎曲度是追蹤早期視網(wǎng)膜病變的主要癥狀之一。正常視網(wǎng)膜圖像中的血管呈直線型或者帶有輕微的彎曲,糖尿病會(huì)導(dǎo)致血管發(fā)生彎曲,且隨著病情的惡化而趨于嚴(yán)重。本文采用了一種基于弧長(zhǎng)與弦長(zhǎng)之比的方法,對(duì)分割得到的血管進(jìn)行定量的彎曲度測(cè)量,該方法簡(jiǎn)單高效。
【關(guān)鍵詞】：糖尿病視網(wǎng)膜病變 多尺度線性檢測(cè) 局部熵閾值 血管分割 彎曲度測(cè)量
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：R587.2;R774.1;TP391.41
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-16
• 1.1 引言8
• 1.2 關(guān)于糖尿病的基礎(chǔ)知識(shí)8-10
• 1.2.1 糖尿病簡(jiǎn)介8-9
• 1.2.2 糖尿病視網(wǎng)膜病變9-10
• 1.3 課題研究的背景與意義10-11
• 1.3.1 研究背景10-11
• 1.3.2 研究意義11
• 1.4 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)11-14
• 1.4.1 研究現(xiàn)狀11-13
• 1.4.2 現(xiàn)存問(wèn)題13-14
• 1.4.3 發(fā)展趨勢(shì)14
• 1.5 論文主要研究?jī)?nèi)容及結(jié)構(gòu)14-16
• 2 視網(wǎng)膜圖像預(yù)處理相關(guān)技術(shù)16-42
• 2.1 引言16
• 2.2 視網(wǎng)膜圖像的特點(diǎn)及采集方法16-20
• 2.2.1 眼底視網(wǎng)膜圖像特征16-18
• 2.2.2 眼底視網(wǎng)膜圖像采集18-20
• 2.3 圖像增強(qiáng)20-25
• 2.3.1 對(duì)比度受限的自適應(yīng)直方圖均衡化21-22
• 2.3.2 視網(wǎng)膜血管結(jié)構(gòu)分析22-25
• 2.4 二維高斯濾波器25-27
• 2.4.1 引言25
• 2.4.2 二維高斯濾波器設(shè)計(jì)25-27
• 2.5 多尺度多方向線性檢測(cè)27-32
• 2.5.1 基本線性檢測(cè)器27-28
• 2.5.2 多尺度多方向線性檢測(cè)28-32
• 2.6 最優(yōu)化Gabor濾波32-35
• 2.6.1 引言32-33
• 2.6.2 Gabor濾波器設(shè)計(jì)33-34
• 2.6.3 Gabor濾波器參數(shù)選擇及實(shí)驗(yàn)結(jié)果34-35
• 2.7 基于上述算法的濾波效果對(duì)比35-40
• 2.8 本章小結(jié)40-42
• 3 視網(wǎng)膜圖像血管分割42-52
• 3.1 引言42
• 3.2 公共圖像庫(kù)介紹42-44
• 3.2.1 DRIVE圖像庫(kù)43
• 3.2.2 HRF圖像庫(kù)43
• 3.2.3 DIARETDB0圖像庫(kù)43-44
• 3.3 OTSU閾值分割44-47
• 3.4 基于過(guò)渡區(qū)提取的血管分割方法47-49
• 3.5 本章小結(jié)49-52
• 4 基于多尺度線性檢測(cè)和局部熵閾值的血管分割52-70
• 4.1 算法介紹52-54
• 4.2 去噪處理54
• 4.3 算法測(cè)試54-58
• 4.4 算法分析58-62
• 4.5 血管細(xì)化算法62-64
• 4.5.1 形態(tài)學(xué)細(xì)化算法62-63
• 4.5.2Hiditch細(xì)化算法63-64
• 4.6 基于血管分割的彎曲度計(jì)算64-69
• 4.7 本章小結(jié)69-70
• 5 總結(jié)與展望70-72
• 5.1 工作總結(jié)70
• 5.2 工作展望70-72
• 致謝72-74
• 參考文獻(xiàn)74-78
• 附錄A 作者在攻讀學(xué)位期間發(fā)表的論文目錄78-80
• 附錄B DRIVE圖像分割結(jié)果對(duì)比80-84
• 附錄C DIARETDB0圖像分割結(jié)果對(duì)比84-88
• 附錄D DIARETDB0圖像分割結(jié)果對(duì)比88-90

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 李洪亮;吳桂良;劉穎;魯智強(qiáng);周壽軍;;三維血管造影數(shù)據(jù)的分割[J];生物醫(yī)學(xué)工程與臨床;2012年01期

2 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前8條

1 胡春風(fēng);殷建平;祝恩;;指紋分割技術(shù)研究[A];2005年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

2 鐘茂生;;文本主題分割技術(shù)的研究進(jìn)展[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

3 錢(qián)偉康;王力;謝明;;基于FPGA的視頻圖像分割技術(shù)設(shè)計(jì)與應(yīng)用[A];第三屆全國(guó)嵌入式技術(shù)和信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2009年

4 金曉東;李強(qiáng);郭傳玲;郝冀芳;王菊芳;李文建;閆錚;;利用超分割技術(shù)進(jìn)行腫瘤治療的理論探索[A];第二屆全國(guó)反應(yīng)堆物理與核材料學(xué)術(shù)研討會(huì)論文集[C];2005年

5 羅海濤;葉娜;朱靖波;;Dotplotting文本分割技術(shù)的分析與改進(jìn)[A];第三屆學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2006年

6 李丕丁;許武軍;劉曉華;傅雨田;龔惠興;;寬視場(chǎng)長(zhǎng)波紅外相機(jī)像面分割技術(shù)驗(yàn)證實(shí)驗(yàn)[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

7 陳建剛;劉東權(quán);;一種3D超聲體繪制交互式分割技術(shù)[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

8 朱輝;李在銘;;視頻圖像中文本檢測(cè)與分割技術(shù)研究[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 邵成剛;大型機(jī)場(chǎng)遙感圖分割技術(shù)研究[D];西安電子科技大學(xué);2014年

2 翟麗紅;視網(wǎng)膜圖像血管分割技術(shù)的研究[D];重慶大學(xué);2015年

3 牛瑞芳;面向移動(dòng)設(shè)備的程序分割技術(shù)研究與實(shí)現(xiàn)[D];河南科技大學(xué);2013年

4 孫建;視頻人體對(duì)象分割技術(shù)研究[D];上海交通大學(xué);2007年

5 單曉歡;大規(guī)模演化圖的分割技術(shù)研究[D];遼寧大學(xué);2014年

6 盧艷芝;重疊細(xì)胞分割技術(shù)研究[D];湖南師范大學(xué);2008年

7 孫波中;多尺度分割技術(shù)在高分辨率影像信息提取中的應(yīng)用研究[D];西安科技大學(xué);2011年

8 劉梟雄;基于CBCT圖像序列的三維牙齒分割技術(shù)研究[D];上海交通大學(xué);2012年

9 霍偉;基于FPGA的高清視頻分割技術(shù)的研究[D];南京大學(xué);2012年

10 劉恒;虛擬背景照相實(shí)時(shí)人像分割技術(shù)及應(yīng)用[D];重慶大學(xué);2004年

  本文關(guān)鍵詞：視網(wǎng)膜圖像血管分割技術(shù)的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：262342