基于相似度滤波算法的视网膜血管分割

在计算机辅助眼底图像视网膜血管分割中,基于匹配滤波算法的应用非常广泛.而传统匹配滤波器算法存在分割细小血管效果较差、噪声多以及视盘干扰等问题.本文提出一种相似度滤波算法的眼底图像视网膜血管分割方法.首先用多层阈值和水平集算法提取视盘干扰区域,利用高斯模糊去除视盘干扰区域.然后采用相似度滤波运算对去除视盘干扰的彩色眼底图像进行处理.最后,将余弦相似度图进行二值化后与余弦相似度加强图进行区域连通性判断,实现眼底图像视网膜血管分割.结果 表明,该算法能较好地分割细小血管以及去除视盘干扰,能更为准确地提取眼底图像视网膜血管.     

基于SVM的眼底血管分割技术

针对眼底中小血管提取的问题,提出了一种基于支持向量机的眼底血管分割方法。首先,采用高斯匹配滤波器对眼底图像进行滤波,增强图像对比度;然后,为了加快滤波器的运算速度,提出一种改进的滤波方法,只需像素与最佳匹配模板做卷积;最后,为了提高算法的分类性能,采用均值漂移算法先对滤波后的图像预分类。仿真结果表明提出方法能更准确地分割出眼底血管网络,特别是对中小血管的分割更加精确。     

基于超边图匹配的视网膜眼底图像配准算法

视网膜眼底图像配准是临床眼科疾病诊断和治疗中的一个关键环节。针对眼底图像配准过程中大范围视场变化和过分割结构噪声等问题,该文提出了一种改进的基于图的视网膜图像血管匹配方法。将血管交叉点表示成图的顶点,把特征点间沿血管路径的相邻关系表示成边,进而在视网膜血管结构图中构造路径超边来刻画更高阶多元特征关系。在此基础上,实现了一种全自动的视网膜眼底图像配准算法。包括:第一步,通过多尺度Gabor滤波算法来检测和提取视网膜血管网络;第二步,利用一种高效的谱松弛匹配算法来求解两个路径超边图的顶点匹配对应关系。最后,通过特征匹配召回率统计和配准的血管中线距离误差两方面的实验,证明该文提出算法是有效和准确的。     

基于Hessian矩阵和熵的眼底图像血管分割

为了实现眼底图像血管自动准确分割,研究了一种基于Hessian矩阵线状滤波和熵阈值的分割方法.采用基于Hessian矩阵的多尺度线状滤波增强血管区域,结合滤波后灰度和具有方向性的线状邻域内灰度均值建立二维直方图,再根据直方图的最大类熵确定阈值,得到血管的二值化分割结果.实验表明,相比其它两种已有方法,提出的方法能够自动地得到更完整、更准确的眼底图像血管分割结果.     

焊缝图像边缘线提取的一种有效算法

基于机器视觉智能焊接自动化,提出了一种有效的焊缝识别算法.通过对图像进行滤波、图像锐化、二值化增强,以及针对二值化后的图像以形态学滤波方法进一步滤除图像中的孤点噪声等方式,采用Roberts边缘算子提取出焊缝图像的边缘,并利用骨架运算提取.在预处理和检测时都使用感兴趣区域.结果表明,该算法具有良好的实时性、可靠性和鲁棒性.     

基于PCANet和SVM的病变眼底图像检测算法

针对眼底图像训练数据集少的问题,该文采用了无监督的主成分分析网络(principal components analysis networks,PCANet)和有监督的支持向量机(support vector mochine,SVM)相结合的算法,通过对彩色眼底图像视网膜渗出物特征的提取,检测出含渗出的糖尿病性视网膜病变眼底图像和正常眼底图像.在对眼底图像进行渗出物特征提取之前,为了减少对渗出物特征提取的干扰,首先对眼底图像进行图像预处理,包括去除冗余背景、通道分离、直方图均衡化、血管去除和视盘去除.无监督的PCANet不需要进行标签训练,与SVM结合,既节约了训练时间,又在训练数据集较小的情况下实现眼底图像的准确分类.实验结果表明:PCANet和SVM相结合的模型在准确性、灵敏度和特异值3个方面与相关方法比较都具有一定的提升.     

基于萤火虫算法的三维Renyi熵眼底图像血管分割

对于眼底血管网络分割精度低的问题,提出了基于萤火虫算法的三维最大Renyi熵眼底血管分割方法。该方法先提取出眼底G通道图像;然后用多尺度线性滤波器对眼底血管增强;接着引入萤火虫算法,将基于三维共生矩阵的最大熵求解问题转化为寻找最亮萤火虫的问题;最后,将最亮萤火虫所处的三维空间位置作为Renyi熵函数的阈值对眼底图像分割。实验结果表明,方法的真阳性率和ROC曲线下方区域面积都有所提高,能准确分割出眼底血管。     

基于方向分数和Frangi滤波器的视网膜血管分割算法

针对视网膜图像分割中分岔和交叉等带来的难点,提出基于方向分数并结合Frangi滤波器的算法.这种算法利用基于Hessian矩阵的Frangi滤波器对线性物体的滤波效果来增强血管对比度,同时利用由蛋糕小波构造的方向分数所具有的各向异性和正交性从多角度、多方向对血管进行滤波,以利于图像的细节处理和血管网络的完整分割.该算法与其他算法的对比表明,该算法在处理分岔和交叉时优于其他算法,而且准确率、灵敏度和特异度的测量结果也都优于其他算法.     

改进区域生长算法在视杯图像分割中的应用

目的:视杯图像分割对于通过眼底图像检测青光眼具有重要意义,在传统的区域生长算法基础上进行改进,提出了基于眼底图像的视杯自动检测分割方法.方法:首先,对眼底主要生理结构进行特征分析,为分割目标选取了绿色通道并根据阈值法粗略提取出感兴趣区域(ROI);其次,考虑到传统的区域生长算法在选取种子点时不精确、自适应性差等缺点,通过计算ROI的几何中心并结合中心亮度作为选取种子点的标准进行改进;最后,用5*5模板对眼底图像进行均值滤波,应用山谷差值准则和8邻域连通准则对眼底图像进行种子合并,最终准确分割出视杯.结果:应用这种方法,对高分辨率眼底图像(HRF)数据库中15张青光眼眼底图像和15张健康眼眼底图像逐张进行检测,准确率达到93.3%.结论:实验结果表明,该算法能快速、有效地自动检测出眼底图像中的视杯并将其正确的分割出来,与传统算法相比较该算法稳定可靠,有较高的分割灵敏度、特异度以及准确性.     

基于图像分割和孔洞修复的三维伤口测量方法

伤口测量是临床医学研究中一项重要工作。传统的接触式伤口测量方法存在测量结果稳定性差、易造成伤口二次伤害的问题,基于2D图像处理的非接触式伤口测量方法存在精度差、无法获得伤口深度信息的问题。因此,本文设计了一种基于图像分割和孔洞修复的三维伤口测量方法。采用异源图像对齐算法解决了异源图像由于视差导致的图像像素错位问题;通过基于改进的区域生长法设计了一种交互式伤口区域分割方法,实现伤口区域精准分割;最后,采用基于RBF的三维点云孔洞修复算法进行伤口皮肤复原,从而得到伤口的最大深度、体积等三维参数。实验结果表明,本文方法的测量误差低于3%,其测量精度以及稳定性皆优于接触式和基于2D图像处理的伤口测量方法,满足临床使用以及医学研究的应用需求。