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.     

基于图像分割的视网膜血管图像配准研究

利用不同波长的视网膜图像可以对视网膜血管血氧饱和度进行计算,但需进行配准处理.提出一种基于视网膜图像血管分割的互信息图像配准方法.为了充分利用血管的轮廓信息和灰度信息,提高配准精度,首先对配准图像进行图像分割,提取视网膜图像中的血管轮廓信息;然后对分割后图像中的血管进行相似度计算,并采用Powell优化算法中的黄金分割法一维搜索算法来提升运算速度;最后根据计算的相似度值来完成不同波长图像的配准.研究中算法配准获得变换参数(角度、X方向、Y方向)的误差的均值分别为2.00%、2.53%和2.52%,误差的方差分别为0.57、2.09和0.34,均优于直接互信息配准方法.实验表明:算法可以自动、有效地对不同波长的视网膜血管图像进行配准,并具有良好的可重复性和稳定性.     

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2D Gabor小波与组合线检测算子的视网膜血管分割

单一的2D Gabor小波血管分割算法只考虑了图像滤波信息,忽略了血管形状和结构信息。为了更加精确快速地实现视网膜分割血管,提出了一种基于2D Gabor小波变换和组合线检测算子的视网膜血管分割方法。首先通过像素灰度值、4个尺度下的2D Gabor小波变换和组合线检测算子构造一个六维像素特征向量,然后使用贝叶斯高斯混合模型实现视网膜图像像素分类,最终实现血管分割。通过对通用的DRIVE眼底图像库中所有视网膜图像的实验仿真,结果表明算法获得了0.963 6的受试者特征工作曲线面积和0.948 6的准确率,优于单一的2D Gabor小波血管分割算法。     

马尔科夫蒙特卡洛在视网膜血管分割中的应用

目前大多数视网膜血管分割方法对非病变的视网膜血管图像具有很好的分割效果,但对病变图像的分割效果仍不理想．提出了利用计算机视觉中的Top～down和Bottom—up两种层次化分割框架相结合的方法来实现视网膜图像的分割,即在贝叶斯统计框架下,采用可逆跳转的马尔科夫蒙特卡洛算法搜索参数空间,求得不依赖于初始分割的近似全局最优的分割,同时利用数据驱动技术来加速马尔科夫链的动态变化．实验结果表明该方法不仅对非病变的图像而且对病变的图像都具有较好的分割精度．     

基于高斯混合模型的腹主动脉图像分割

为了有效地分割腹主动脉图像,提出了基于适度空间约束的高斯混合模型分割算法.该算法将三维空间邻域信息融入高斯混合模型中,利用最大期望算法(EM)获取腹部血管灰度图像的估计参数,从而分割出血管图像.实验结果表明:所提出的方法不仅能准确地分割腹主动脉的血管分支图像,而且对于图像噪声的抑制有较好的效果.     

ASR-UNet:一种基于注意力机制改进的视网膜血管分割算法

针对现有算法因视网膜图像中血管细小和光照等因素导致的分割精度低的问题,在U-Net的基础上进行改进,提出了一种能够较好地提取血管结构的算法模型ASR-UNet。首先,在编码和解码阶段使用了SE-Resnet结构,引入通道注意力机制对血管细微结构进行通道增强,之后在跳跃连接部分使用了AG模块对血管细微结构进行空间增强,提高网络模型对血管细微结构的分割能力。在公开数据集DRIVE和CHASE_DB1上验证了本文的算法,在评价指标Acc上分别为0.969 7和0.965 7,在敏感性上分别为0.804 4和0.767 3,在特异性指标上为0.985 9和0.986 6。实验结果表明,近年来的视网膜血管分割算法相比,本文提出的算法在性能有更好的表现。     

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。     

基于曲波变换的视网膜血管图像增强算法

视网膜血管图像存在像素对比度低等特点,干扰正常的视网膜图像分割.针对视网膜血管的图像特性,提出了一种改进的基于曲波变换的视网膜血管图像增强算法.首先选取视网膜图像的绿色通道分量进行预处理,然后通过对变换系数的自适应增强完成图像的增强处理,并结合改进的形态学变换,实现图像细节的增强和背景噪声的抑制,使得图像对比度得到增强,细节信息更加明显.通过与其他增强算法的比较表明,该算法在增强对比度、降低噪声干扰等方面优于其他算法.     

一种新颖的视网膜血管形态识别相关网点法

利用人体生物特征的视网膜血管进入个人身份鉴别的研究，提出了一种高层次保安识别应用的相关网点法，包括方法的构思、视网膜血管图像特征交点的提取，网点质心和最远网点的水平方位对准以及图像相关网点匹配的判定。实验结果显示其识别效果良好。     

利用脊线检测实现视网膜图像血管中心线的精确提取

提出一种精确有效的基于脊线检测的视网膜图像血管中心线提取算法,该算法首先对原始图像进行脊线检测得到候选视网膜图像血管中心线,然后对原始图像进行照度均衡和多尺度形态学增强处理,最后对各个尺度增强图像在视场ROI区域内进行Otsu双阈值分割或单阈值分割,并将各个尺度的分割结果求和再与脊线检测结果算术相与得到最终的血管中心线。通过对25张荧光造影视网膜图像以及部分彩色视网膜图像进行测试和分析,该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。将文中算法的结果与血管手动分割血管的细化结果进行比对分析,中心线吻合率平均达到83.5%,且算法性能优于Hoover算法以及保守专家手动检测结果。     

多尺度卷积核U-Net模型的视网膜血管分割方法

针对病变视网膜血管结构的计算机辅助诊断问题,提出了一种多尺度卷积核U-Net模型的视网膜血管分割方法.在U-Net模型基础上设计了融合Inception模块和最大索引值上采样方法的多尺度卷积神经网络结构.在网络训练阶段,采取旋转、镜像等操作进行数据集扩充,运用CLAHE算法进行图像预处理;训练后得到的双通道特征图,进行Softmax归一化;最后通过改进的代价损失函数对归一化结果迭代优化,得到完整的视网膜血管分割模型.实验结果表明,所提方法在DRIVE数据集上分割的准确率达到0.9694,灵敏性达到0.7762,特异性达到0.9835,比U-Net模型具有更优的分割效果和泛化能力,与其他现存方法相比具有一定的竞争力.     

基于SENet注意力机制和深度残差网络的腹部动脉分割

在医学诊断中,血管疾病的研究与治疗仍是影响人类健康的主要因素。由于人体腹部血管复杂且构造因人而异,这就对图像分割的研究以及临床应用带来了极大困难。所以,通过图像处理和深度学习等方法准确清晰地获取病人腹部动脉及其分支血管,在临床和术前诊断中发挥了重要作用。本文主要对腹部血管的大小灰度、构造等基础医学知识进行学习,并深入研究了现有关于血管分割算法的优缺点。为解决深度卷积神经网络性能退化的问题,增强对目标信息的关注度并对不必要的特征信息进行抑制,提出一种基于Squeeze-and-Excitation Networks（简称SENet）注意力机制和深度残差网络的血管分割算法。使用12例腹部CT数据的评估结果显示,血管分割准确率可达90.48%,灵敏度、Dice、VOE、精确率分别为0.8995、0.8783、-0.1998、0.9104。因此,相比于传统方法,本实验所提方法具有更好的分割性能。     

Automated Detection of Optic Disc from Digital Retinal Fundus Images for Screening Systems of Diabetic Retinopathy

Optic disc(OD) detection is a main step while developing automated screening systems for diabetic retinopathy. We present a method to automatically locate and extract the OD in digital retinal fundus images. Based on the property that main blood vessels gather in OD, the method starts with Otsu thresholding segmentation to obtain candidate regions of OD. Consequently, the main blood vessels which are segmented in H channel of color fundus images in Hue saturation value(HSV) space. Finally, a weighted vessels' direction matched filter is proposed to roughly match the direction of the main blood vessels to get the OD center which is used to pick the true OD out from the candidate regions of OD. The proposed method was evaluated on a dataset containing 100 fundus images of both normal and diseased retinas and the accuracy reaches 98%. Furthermore, the average time cost in processing an image is 1.3 s. Results suggest that the approach is reliable, and can efficiently detect OD from fundus images.     

衍射时差图像处理与缺陷识别技术综述

焊缝是压力容器的质量薄弱环节,焊缝缺陷直接影响压力容器的安全运行。衍射时差(TOFD)检测是目前焊缝质量评价的主要手段。随着TOFD成像检测技术的不断发展,TOFD成像结果自动判读的不足,正成为制约TOFD检测规模化应用的障碍。图像处理和缺陷识别是TOFD成像检测的技术关键。本文将TOFD图像处理技术归纳为噪声去除、直通波处理、曲线拟合和图像分割,将TOFD缺陷识别技术归纳为特征提取和模式分类,详细介绍了国内外的相关研究成果,并对TOFD图像分割、特征提取和缺陷分类识别的研究提出建议。