论文部分内容阅读
眼底视网膜血管是人体唯一可非创伤性直接观察的较深层次的微血管,其形态结构的变化与高血压、糖尿病、动脉硬化等心血管疾病的病程、严重程度及愈后情况密切相关。因此,利用图像处理的方法对视网膜血管图像的相关参数进行定性和定量分析,对眼科医学研究的深入开展、疾病的早期诊断和分析以及对以往人工无力进入的区域的研究均具有重要意义。此外,视网膜血管形态结构具有唯一性,与其他生物特征相比具有更高的保密性和防伪能力,可以作为生物特征进行个人身份识别。本文首先简要介绍了视网膜血管图像的研究意义及研究现状,然后针对视网膜图像处理中的一些关键技术进行了较为深入的研究,提出了一些新的思想和算法。本文的主要工作和贡献如下:1)研究了基于灰度图像的血管直径测量及其在分叉角测量中的应用。对视网膜血管图像的几何形态结构进行了分析,根据视网膜血管横截面灰度高斯模型,提出一种基于灰度图像的管径自动测量方法。与以往方法相比该方法不需要对目标血管进行二值化操作,直接根据血管横截面灰度模型对ROI区域分别进行行操作和列操作找到中心点的粗略位置,然后借助Hessian矩阵的特征向量来确定血管的径向方向,利用最小二乘拟合径向的灰度值,多次重复直到中心点收敛,最后通过找出的拐点来确定血管的直径。为提高算法的鲁棒性,采用了五个相邻的直径的加权平均作为待测点的直径。另外,根据血管内血液流动的动力学原理来定义血管的分叉角度,把测得的直径应用到分叉角度测量上,实验结果显示该方法稳定、有效。2)基于眼底视网膜血管的分布结构及视盘本身的特点,提出一种快速自动定位视盘的方法。首先根据视网膜血管的网络分布结构大致定位视盘的垂直坐标;然后根据视盘的亮度信息及视盘与血管的关系来定位视盘的水平坐标;最后把视盘限定在以粗定位的坐标点为中心的一个小窗口内,用Hough变换精确定位视盘中心。该方法不需要事先分割视网膜血管,也不需要对算法进行训练。实验结果表明,文中算法具有较高的定位精度和较快的定位速度。3)研究了视网膜血管节点(分叉点和交叉点)的提取和分类方法。由动静脉血管组成的眼底视网膜血管结构的节点是预测心血管疾病、图像分析和生物学应用的重要特征,把角点检测引入到视网膜血管分叉点和交叉点的自动提取和分类中。首先对二值化的血管图像进行边缘检测,然后采用基于点到弦的距离累加(CPDA)的角点检测方法得到候选特征点,再根据视网膜血管图像的拓扑结构设计自适应矩形探测器对候选特征点进行删减和分类。试验结果表明,基于CPDA的角点检测和自适应矩形探测器的方法有效的实现了节点的提取和分类。4)针对眼底图像获取过程中眼球转动的问题,提出一种基于节点最近邻结构的具有旋转、平移不变性的视网膜血管形态识别方法。该方法首先利用节点的周边结构稳定性的特点来进行节点结构特征提取,然后进行图像相关结构匹配的判定。实验结果证明了该识别算法的有效性和可靠性,正确识别率达到98.57%。