日常生活中常見的一些疾病,如高血壓、腎炎、糖尿病和心血管病等會(huì)引起眼底視網(wǎng)膜血管病變,所以,觀察血管形態(tài)的變化可以初步預(yù)估或診斷人體的某些疾病。因此,需要利用數(shù)字圖像處理技術(shù)對(duì)其進(jìn)行檢測與分析,重點(diǎn)檢測視網(wǎng)膜血管的形態(tài)是否有異常,以此來幫助醫(yī)生診斷病情。使用數(shù)字圖像處理技術(shù)具有處理速度快、分析客觀、可比性高等優(yōu)點(diǎn),避免了人工分析的主觀性與不確定性。因此,研究眼底圖像視網(wǎng)膜血管的分割算法具有重要的臨床意義。本文針對(duì)眼底圖像視網(wǎng)膜血管分割方法進(jìn)行了相關(guān)研究,主要工作如下:(1)提出基于小波變換和Retinex相結(jié)合的視網(wǎng)膜血管增強(qiáng)算法,首先對(duì)圖像進(jìn)行小波分解,得到低頻和高頻系數(shù),對(duì)低頻圖像采用多尺度Retinex算法處理,對(duì)高頻圖像采用小波分層增強(qiáng)處理,然后進(jìn)行小波重構(gòu),最終所得視網(wǎng)膜血管圖像的清晰度、對(duì)比度和細(xì)節(jié)突出程度均有較大提高,取得了良好的效果;(2)提出改進(jìn)的多尺度單通道線性跟蹤分割算法,基本思想是從圖像中所選取的一部分種子像素開始跟蹤,在跟蹤過程中對(duì)滿足條件的像素點(diǎn)賦予較高的置信度,跟蹤結(jié)束后,將所有像素點(diǎn)置信度矩陣量化后獲得血管網(wǎng)絡(luò)。然后用中值濾波與連通域標(biāo)記相結(jié)合的方法對(duì)噪... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

彩色眼底圖像

眼底圖像視網(wǎng)膜血管分割方法研究DRIVE 圖像庫將 40 幅彩色眼底圖像分為訓(xùn)練集和測試集兩個(gè)集合，每個(gè)集合各含 20 幅彩色眼底圖像。其中，訓(xùn)練集包含一組由專家手動(dòng)分割的結(jié)果，測試集包含組由另外兩位專家手動(dòng)分割的結(jié)果。圖 1.2 為 DRIVE 圖像庫測試集中的一張彩色眼圖像及對(duì)應(yīng)的兩位專家手動(dòng)分割結(jié)果。訓(xùn)練集一般只用于基于學(xué)習(xí)的分割方法，測試用于對(duì)各類血管分割方法的驗(yàn)證。

(c) G 通道 (d) B 通道圖 2.3 原始視網(wǎng)膜圖像及 RGB 彩色空間各通道分量圖b 彩色空間空間是建立在一種顏色不能同時(shí)既是綠又是紅、也不能同時(shí)上的，它是一種與設(shè)備獨(dú)立的顏色模型，也是一種描述人類ab 彩色空間中的 L 表示從純黑色到純白色的范圍，a 表示從從黃色到藍(lán)色的范圍。與 RGB 彩色空間模型相比，Lab 彩色感知到的所有顏色，其顏色分布更加均勻。用過程中，Lab 彩色空間中的各個(gè)分量不能直接由 RGB 彩.2 先將 R、G、B 分量轉(zhuǎn)換為 XYZ 空間中的 X（紅原色刺激Z（藍(lán)原色刺激量）分量，然后按照公式 2.3~2.6 的轉(zhuǎn)換關(guān)系b 分量值[36]。其中，XYZ 空間是所有顏色空間的基準(zhǔn)，規(guī)定想的原色 X、Y、Z 用于匹配等能光譜三刺激值。Lab 彩色如圖 2.4 所示。0.4124 0.3576 0.1805X R

【參考文獻(xiàn)】：
期刊論文
[1]基于2D Gabor小波與組合線檢測算子的視網(wǎng)膜血管分割[J]. 吳奎,蔡冬梅,賈鵬,韋宏艷.  科學(xué)技術(shù)與工程. 2016(12)
[2]基于顏色空間轉(zhuǎn)換的交通圖像增強(qiáng)算法[J]. 顧明,鄭林濤,尤政.  儀器儀表學(xué)報(bào). 2015(08)
[3]基于分類回歸樹和AdaBoost的眼底圖像視網(wǎng)膜血管分割[J]. 朱承璋,向遙,鄒北驥,高旭,梁毅雄,畢佳.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2014(03)
[4]基于YCbCr顏色空間和Fisher判別分析的棉花圖像分割研究[J]. 劉金帥,賴惠成,賈振紅.  作物學(xué)報(bào). 2011(07)

博士論文
[1]眼底圖像的血管特征分析[D]. 韓松濤.吉林大學(xué) 2010

碩士論文
[1]視網(wǎng)膜血管自動(dòng)分割方法研究[D]. 馬秀麗.沈陽工業(yè)大學(xué) 2017
[2]視網(wǎng)膜血管增強(qiáng)與分割算法研究[D]. 張歆雅.長春工業(yè)大學(xué) 2016
[3]條件隨機(jī)場模型研究及應(yīng)用[D]. 薛俊欣.山東大學(xué) 2014
[4]眼底圖像血管分割方法研究與實(shí)現(xiàn)[D]. 高旭.中南大學(xué) 2014
[5]基于條件隨機(jī)場的目標(biāo)檢測方法研究[D]. 張瑜.西安電子科技大學(xué) 2014
[6]水下圖像的清晰化方法研究[D]. 馬原.中國海洋大學(xué) 2012
[7]基于Retinex理論的小波域圖像增強(qiáng)方法研究[D]. 儲(chǔ)昭輝.合肥工業(yè)大學(xué) 2010
[8]基于小波變換的多源遙感圖像融合[D]. 雷寧.西北工業(yè)大學(xué) 2007



本文編號(hào)：2915229