基于多尺度线性检测的视网膜血管分割

提出一种自动、高效的视网膜血管网络分割算法。该算法基于对视网膜图像的多尺度线性检测,线性组合各个尺度下的图像响应获取血管特征图像。通过形态学top-hat变换和线性滤波器消除图像噪声和视盘对线性检测的影响,并且增强血管(包含细小血管)的对比度,提高线性检测对细小血管的敏感度,从而提取出更加精确的血管树细节。利用DRIVE和STARE数据库的视网膜图像进行算法性能评估。实验结果显示该方法能够获得很高的分割准确度,几乎为手工分割的结果。同时该方法简单、快速,对噪声具有鲁棒性,适合用于眼科检查的计算机辅助治疗系统。     

基于小波变换的一种红外图像增强算法

图像增强处理是红外图像预处理的必要和关键环节,但目标物体信号弱造成红外图像的对比度差,外界噪声干扰严重造成图像质量差。基于此,提出了一种基于小波变换与奇异值分解和阈值滤波相结合的增强算法。本文用小波分解将红外图像的高频与低频系数分开,低频域用奇异值分解处理方法来增强对比度和图像质量,高频域用阈值滤波处理来消除噪声突出细节;最后,经过小波逆变换和小波重构得到最终的增强图像。实验结果表明：此方法对比传统的红外增强算法,可以将红外图像的对比度提高,增强红外图像细节,在直观上更符合人的感官感应,是一种有效的红外图像增强方法。     

血管内超声图像的血液噪声抑制和对比度增强研究

提出基于二进小波变换的血管内超声图像血液斑点噪声抑制和对比度增强算法。根据血管内超声成像的特点估计噪声的方差,并由二进小波变换的分解结构给出局部阈值的计算方法,结合软阈值滤波法和硬阈值滤波法对不同尺度的小波系数进行萎缩处理。同时采用了基于多尺度边缘表示的,利用小波系数极值拉伸和Hermite多项式插值实现的快速增强算法。实验结果表明,与现有血管内超声图像去噪的方法相比,该方法在抑制血液斑点噪声的同时增强了图像对比度,保留了图像的细节,具有更好的实用性。     

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.     

基于自适应小波变换的红外图像去噪算法

针对红外图像存在的加性、乘性及混合噪声,提出了一种自适应小波变换的图像去噪算法.该方法首先用小波变换对含噪图像信号进行小波分解,这样可以保证对图像中的不相关噪声的有效抑制,保持图像的细节信息.然后将经小波变换所分离出来的噪声成分作为自适应滤波器的输入,通过选用自适应滤波算法从而实现信噪分离的最佳滤波.仿真结果表明,本文提出的去噪算法优于已有的各种算法,提高了图像的对比度,突出了图像细节.     

基于多尺度边缘的血管内超声图像增强算法

血管内超声图像同时具有低对比度和低信噪比的特征,传统的图像增强算法会明显放大噪声.为此,提出一种基于边缘表示的算法来增强血管内超声图像的对比度,采用平滑函数的导数作为小波函数对图像进行二进小波分解,使用小波系数在各尺度间的局部极大值来刻画图像的多尺度边缘,通过拉伸小波系数极大值再重构图像来增强灰度图像的对比度.实验结果表明,本文提出的增强算法在有效增强图像对比度的同时避免了放大噪声,并且可以通过调节不同尺度的拉伸因子来获得不同的增强效果,同时提高了运算速度.     

基于直方图均衡与小波变换的超声图像增强

针对超声图像对比度低、成像质量差的问题,提出了一种基于小波变换的直方图均衡算法,用于超声图像对比度增强,并使信息熵有很大提高。直方图均衡可以使图像灰度分布接近均匀,提高图像对比度,但图像的信息量会有一定程度的损失。本算法首先对图像作直方图均衡,然后通过对小波变换的一级或二级近似系数的非线性增强处理,使图像灰度分布更加均匀,损失的信息熵也得到很大提高。通过多幅的超声图像的实验结果证明,该算法效果明显,处理后的图像细节清晰可辨,边界信息也得到了保留。该算法对于超声图像临床视觉检查,以及图像目标识别、组织分割等都有很大好处。     

基于非抽样contourlet变换的图像增强方法

针对实验图像光照不均、对比度低、噪声大等特点,提出一种基于非抽样contourlet变换的图像非线性增强算法.首先对原图进行非抽样contourlet变换,分解为低频和高频子带;然后对低频子图进行自适应直方图处理,以增强像素的对比度,对高频系数采用分层阈值处理和分段非线性变换;最后将其反变换得到增强的图像.仿真实验结果表明:此算法不仅增强效果好,鲁棒性强,而且具有较大的实用价值.     

基于小波变换的人脸表情特征提取

首先通过直方图均衡化处理增强图像的整体对比度,使图像的细节更加清晰.通过离散余弦变换来降低图像特征维数、去除冗余信息、保留重要的低频信息.然后利用Gabor小波变换,选取不同的尺度和方向对人脸表情特征进行提取.最后通过实验结果对比证明预处理后的图片在进行小波变换时能节省大量的运算时间.     

模糊逻辑在图像增强算法中的研究及应用

提出了基于模糊逻辑和纹理分析的图像增强算法,通过图像模糊化、提取纹理信息和纹理信息模糊化、定义局部对比度、根据全局和局部信息来进行对比度的变换等措施,提高了增强算法的效果.测试结果表明该算法能很好地增强图像的边缘等细节信息,同时避免放大噪声和过增强的出现.     

基于Hessian矩阵和水平集的视网膜血管分割

视网膜血管图像可以作为糖尿病与青光眼等疾病的诊断依据;但现有的血管提取算法存在精度不足、对噪声敏感,以及鲁棒性不强等缺点。针对这个问题提出了一种新的视网膜血管图像分割方法。首先获取视网膜绿色通道图像,利用Hessian矩阵特征值、特征向量的几何特性和响应函数,初步估计视网膜图像中可能存在的血管;并在此基础上利用水平集函数初始化血管图像。然后,在局部数据能量拟合泛函中引入新的正则化和面积约束。最后,在水平集函数演化过程中获得精准的视网膜血管图像。实验表明算法在分割视网膜血管图像上具有较强的鲁棒性。     

基于拆支跟踪法提取特征的视网膜血管形态识别

介绍了视网膜血管形态识别的新方法和方法改进,包插图象预处理中的自适应灰度校正,拆支跟踪法提取互连通型网孔的特征链码,利用最小差距判别准确则实现方位无关性形态识别等,并给出实验结果。     

基于全尺度跳跃连接的视网膜血管分割算法

为了解决经典分割算法对于视网膜血管分割精度不够的缺陷,通过将U-net3+(全尺度连接U形网络)应用于视网膜微血管分割,并加以改进来提高分割精度。首先利用U-net3+中的全尺度跳跃连接,提取更多尺度的视网膜微血管特征。针对细小血管难以捕捉的问题,将网络中的普通卷积换成可变卷积,它可以根据血管的形状、大小改变感受野的大小,提高算法的分割准确度。然后使用SFAM模块来优化U-net3+网络中的特征融合部分,保留更多的有用信息。在视网膜图像( DRIVE) 数据库上测试本文算法,结果表明,分割的平均准确率( Acc) 为97.63%,比传统的U-net网络和U-net3+网络分别提高了2.35%、0.99%。可见,改进算法有效提高了视网膜血管分割精度。     

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.     

基于改进多尺度Retinex的单幅彩色图像增强算法

针对传统基于多尺度Retinex的单幅彩色图像增强算法, 进行图像增强时未考虑亮度分量和局部对比度, 导致图像增强未达到最佳尺度值, 获取的增强图像存在失真、 带有雾膜的问题, 提出一种基于改进多尺度Retinex的单幅彩色图像增强算法. 首先采用高斯环境函数 对3种灰度图像实施卷积并进行灰度纠正, 将3种纠正灰度后的图像合并, 获取初步单幅彩色图像增强结果; 然后改进多尺度Retinex的单幅彩色图像增强算法, 增强单幅彩色图像像素的平均亮度; 最后通过非线性函数对亮度增强后的彩色图像实施局部对比度增强处理, 用线性调整方法恢复局部对比度增强后的图像颜色, 以获取最佳单幅彩色图像的图像增强结果. 实验结果表明, 该算法可获得亮度和对比度均较好的单幅彩色图像增强结果.     

计算机图像处理技术在眼底图像中的应用

许多疾病的初期病变都发生微循环和微血管，眼底视网膜血管是惟一可以非创伤性直接观察到较深层的微血管，有效地提取出清晰的眼底血管是医生进行准确诊断的前提．结合眼底视网膜血管的自身特点利用计算机图像处理技术中的对眼底图像进行噪声滤除，边缘检测和粗骨架提取，可以方便、快捷、简单地获取眼底血管的信息．     

彩色视网膜图像中基于主血管网的视盘定位

视网膜图像被广泛地应用于糖尿病视网膜病变和青光眼的诊断与治疗。视盘作为视网膜图像的重要特征,是成功诊断视网膜疾病的重要前提。以彩色视网膜图像为研究对象,发展出一种快速有效的视盘定位方法。该方法首先在HSV空间的H通道中提取对比度高的主血管,然后确定主血管的方向图,最后利用一种加权匹配滤波方法找到视盘区域。该方法仅利用视网膜中主血管的方向信息,实验结果表明不仅鲁棒,而且相对快速有效。在Benchmark数据DRIVE、DIARETDB0和STARE上的准确检测率分别达到100％、97．6％和90．1％。     

基于多重分形去趋势波动分析的视网膜图像分割

引入善于描述非稳定图像的多重去趋势波动理论,提出一种基于多重去趋势分析的视网膜图像分割方法.该方法采用直方图均衡化对图像进行预处理来增强血管影像,然后采用多重去趋势波动分析计算图像的广义赫斯特指数,并利用血管指数特性来分割血管,最后用形态学进行图像后处理,得到最终的血管图像.基于DIARETDE0和DIARETDE1两个数据库进行实验.结果表明,该方法在处理视网膜病变图像时有较好的完整性和连通性,能够较好地提取血管主体,具有很好的临床应用价值.     

基于上下文特征的视网膜血管分割算法

针对视网膜血管分布复杂且多变，提出一种基于上下文特征提取的视网膜血管分割算法。首先通过K-L变换生成灰度图并经过预处理增强对比度。然后经过局部信息熵进行采样。该网络编码部分的多感受野残差编码模块在兼顾速度的同时对特征进行充分的提取。同时底部的特征融合模块由非对称融合非局部模块和非对称金字塔非局部模块两部分组成，用于融合图片的上下文特征。而解码部分由多个微型U型网络组成，保证将底层特征和高层映射特征有效融合并进行深层次的再提取。本文算法在DRIVE进行仿真，准确率为96.45%，特异性为98.37%，敏感度82.7%，AUC为98.64%，其实验结果表明能有效地分割视网膜血管。