医学图像处理与分析一直都是图像处理与分析领域中研究的重点和难点问题。借助图形、图像技术的有力手段,医学图像的显示方法和质量得到了极大的改善,使诊疗水平得到很大提高。眼底图像的计算机分析系统的建立,可以对眼底许多组织进行定量测量,在正常和异常之间做出明确鉴别,使眼底系统形态的研究标准化,从而大大加强眼底检查优势。 本课题针对视网膜图像处理和分析中的关键技术问题作了研究,包括视网膜血管网络的提取、视网膜血管宽度的测量、视网膜图像的配准及平滑拼接。文中对视网膜图像在多个方向上采用了灰度形态学中的膨胀、腐蚀、重建开运算和重建闭运算对图像反复滤波,有效地降低了视网膜图像中病灶噪声的干扰及其他因素所引起的噪声,同时增强了血管的对比度,从而提高了血管分割的精度。对于视网膜血管的测量,文中在血管网络提取的基础上,应用血管的中心线来确定血管方向,构造匹配模板,建立近似血管灰度分布的高斯模型,并采用局部优化算法——BFGS方法米优化模型参数,求解出血管的宽度。针对视网膜图像的配准,本文考虑到视网膜图像的特点及图像配准算法的精度、速度及实际应用性等因素,提出了基于血管网络相似性的图像配准方法,利用视网膜图像血管信息最大重叠度作为目标函数,并采用全局优化算法——遗传算法对配准参数进行优化求取。最后,采用一种淡入淡出的方法来完成视网膜图像的拼接工作,很好的解决了拼接中出现的拼缝问题。 在理论分析和研究的基础上,本文实现了血管网络的自动提取,并与专家手描结果比较进行了性能评估;完成了血管宽度的自动测量;实现了图像间的自动配准及平滑拼接。实验结果表明,本文方法无论是在速度、精度方面,还是在鲁棒性方面都取得了较好的效果。所实现的图像处理系统,具有模块化结构和通用一致的用户接口,保证了系统具有良好的可扩充性。