眼底视网膜图像自动分析中质量改善、特征检测及配准的算法研究

摘要

眼底视网膜图像被广泛应用于眼科疾病的诊断中，使用图像处理与分析技术与计算机视觉技术对眼底视网膜图像进行质量改善、特征检测、图像配准与拼接等自动分析能够帮助医生快速地进行眼底疾病或其他全身疾病的诊断及监控治疗等，提高临床诊断和治疗的效率与精度。结合眼科临床诊断及眼底图像处理算法的需求，根据算法的目的与特点，将全文的自动分析算法分为图像质量改善、特征检测以及图像配准三部分，其中各个部分的工作分别为：
　　1、图像质量改善：提出一种动态可调的荧光视网膜图像增强方法，通过权重系数的调整不仅可以对图像进行全局增强，而且可以实现血管网络或视神经盘等的单独增强；提出一种图像前景背景模型与反射度照度模型相结合的荧光视网膜图像照度校正与均衡算法，通过背景与前景的分离实现图像照度的分步式均衡。上述两种图像质量改善算法能够有效地抑制图像采集过程中的非理想成像条件以及成像设备光学系统渐晕效应的影响。
　　2、图像特征检测：提出一种新颖且简单的视盘定位与提取算法，其中定位算法利用荧光视网膜图像中视盘背景灰度与血管灰度的相似性来实现，其对低对比度的、模糊的图像定位非常准确，定位精度达到96.7％。轮廓提取利用GVF-snake算法，结果的真阳性率平均达到92%；提出一种基于脊线检测的视网膜图像血管中心线提取算法，该算法在脊线检测的基础上利用多尺度增强及Otsu分割方法进行中心线筛选，检测算法不但能够检测出低对比度血管和微小血管的中心线，而且提取的血管中心线整体连续性好，血管中心线检测与专家手动分割结果对应的重合率平均达到83.5%。
　　3、图像配准：提出一种由粗到精的视网膜图像配准算法，该算法以血管中心线检测为依托，粗配准使用多分辨分层匹配算法对平移变换进行快速有效地估计，精配准在血管结点精确检测的基础上，利用最大互信息法及RANSAC算法实现血管结点的快速准确匹配。结果表明该算法运行速度快，配准成功率和精度都较高，算法参数少且设计简单，鲁棒性极高。

目录

封面

中文摘要

英文摘要

目录

1 绪 论

1.1 论文研究背景及意义

1.2 眼底视网膜图像自动分析研究现状

1.3 论文研究内容及结构安排

2 荧光视网膜图像增强算法

2.1 引言

2.2 基于Gabor滤波器的视网膜图像增强

2.3 视网膜图像动态增强

2.4 实验结果与分析

2.5 本章小结

3 荧光视网膜图像照度均衡及血管自适应增强算法

3.1 引言

3.2 处理模型

3.3 背景估计及血管自适应增强

3.4 基于模型的照度均衡算法

3.5 实验结果及精度分析

3.6 本章小结

4 荧光视网膜图像视神经盘定位与分割算法

4.1 引言

4.2 视神经盘定位

4.3 视盘区域图像预处理

4.4 视神经盘轮廓提取

4.5 实验结果及精度分析

4.6 本章小结

5 视网膜图像血管中心线检测算法

5.1 引言

5.2 图像脊线检测

5.3 图像预处理及多尺度增强处理

5.4 血管中心线提取

5.5 实验结果及精度分析

5.6 本章小结

6 眼底视网膜图像配准算法

6.1 引言

6.2 粗配准

6.3 血管特征点检测

6.4 精配准

6.5 实验结果及精度分析

6.6 本章小结

7 结论与展望

7.1 结论

7.2 展望

致谢

参考文献

附 录