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.     

视网膜血管形态自识别方法初探

本文就视网膜血管形态生物信息的自识别方法所展开的初步探索，介绍相关研究方法的状况，提出以最大根部网孔表征和提取其形态特征，由网孔拓扑关系建立弹性拓朴匹配模式，实现与网孔方向特征定位无关的形态匹配以及利用多级判据措施提高识别率等方法问题。     

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。     

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.     

灰度文本图像自适应二值化滤波算法设计及应用

将自适应滤波与局部阈值二值化有机结合起来,提出自适应二值化滤波算法,旨在将淹没在噪声和失真中的灰度文本图像的二值图像信息通过滤波的方式恢复出来。采用改进的大津法计算局部阈值,对滤波结果进行二值化。依据二值化的结果估计滤波的误差,并调整滤波器参数。实验结果表明该算法克服了光照不均和噪声对灰度文本图像二值化的影响,得到了较理想的二值图像。     

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.     

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。     

一种新的文本图像二值化方法

文章针对常用文本二值化方法 Ostu算法与 Bernsen算法所存在的缺点 ,在图像局部特性基础上 ,结合图像的整体特性提出了一种整体与局部相结合的图像二值化算法 ,该算法对由于光线不均等噪声影响的图像具有良好的适应性。实验证明了该算法的有效性     

基于局部特征和稀疏表示的鲁棒人耳识别方法

作为图像局部特征区域的有效描述方法,局部二值模式是目前对二维图像最有效的纹理分析特征之一。本文提出了基于局部二值模式特征的稀疏表示人耳识别方法。该识别算法首先提取训练人耳图像的局部二值模式特征描述子作为稀疏表示的字典,然后将测试样本的局部二值模式特征描述子表示为字典中所有局部二值模式原子的稀疏线性组合,最后通过求解稀疏表示模型得到稀疏编码系数,根据测试人耳图像的重建误差进行识别。在UND-J2人耳库和USTB人耳库上的实验结果表明,基于局部二值模式特征的稀疏表示人耳识别方法对人耳图像光照变化、姿态变化以及人耳遮挡具有更好的鲁棒性,实现了更高的识别率。     

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。首先通过霍特林变换(Karhunen-Loeve, K-L)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。本文算法在血管分割的数字视网膜图像数据集(digital retinal image for vessel extraction, DRIVE)数据集进行仿真,准确率为96.45%,特异性为98.37%,敏感度为82.7%,实验结果表明能有效地分割视网膜血管。     

一种改进的夜间车牌定位和字符分割算法

针对传统的车牌定位算法对夜间车牌图像定位效果差的缺点,提出了基于支持向量机的定位方法;针对夜间车牌图像的灰度分布不均匀的缺点,采用局部二值拟合模型方法进行字符分割。实验结果证明该方法定位精确,对于包含车头灯或车尾灯的夜间图像,定位方法均有效,并且提供了准确的光滑闭合边界,精度可以达到亚像素级,系统的识别准确率高。     

基于局部边缘差异二值模式的人脸识别方法

传统的局部二值模式(local binary pattern,LBP)作为一种有效的特征提取与编码方法广泛应用于图像处理领域,但该方法只提取了图像模版中心像素值与边缘像素值的差值信息,这些信息不能全面地表征图像,并且对图像小幅度的灰度变化敏感.针对该方法的缺点,提出了一种基于局部边缘差异二值模式(local edge difference binary pattern,LEDBP)的特征提取算法,并应用于人脸识别领域.与传统的局部二值模式不同,本方法通过计算图像模版中心像素值与边缘像素值的差值来表示局部区域,其首先计算中心像素与相邻像素的边缘差值,然后使用局部三值模式的上模式(upper local ternary pattern)对边缘像素值进行编码,建立直方图后得到特征向量对图像进行表示.实验结果表明,本文算法用于人脸识别较传统的LBP等算法在识别率上有较大提高.     

融合FLBP和Gabor小波的图像轮廓提取算法

为了解决现有图像边缘提取算法对于局部区域特征提取效果不佳不清晰的问题,提出一种模糊局部二值模式Gabor边缘检测算法(fuzzy local binary-Gabor).该方法首先利用Gabor小波对图像进行第一次处理,降低图像中由于光照变化和噪声对图像产生的影响,再用模糊局部二值算法(模糊数学与局部二值法的结合)将处理过的特征图片进行第二次处理得到相应的轮廓提取特征图.结果证明,该算法确实对目标区域有较好的检测率,得出该算法对于图片轮廓的提取确实有很好的效果.     

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。     

鸟蛋壳内纤维膜电镜图像处理

为研究蛋壳内膜孔隙结构,应用数字图像处理的方法对鸟类蛋壳内膜电子显微照片进行分析,使用MATLAB图像处理工具包进行图像增强、灰度调整、中值滤波去噪、二值化处理、面积计算、孔隙计算的方法,对蛋壳超微结构进行研究,准确的计算出蛋壳内膜不规则网孔的孔隙率。此方法可应用于含孔隙图像的孔隙率测量。     

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。     

基于二值图像的指纹特征点快速提取算法

提出了一种基于二值图像的特征点快速提取算法.该方法仅通过对二值图像中的有效点进行一次顺序遍历,根据二值图像的局部特征可以准确地提取出指纹图像中的特征点,具有简单快速并且有效的特点.     

视网膜血管分割算法研究

针对现有的视网膜血管分割方法对微细血管分割精度低的问题, 在多尺度单通道线性追踪(MSLTA:Multi-Scale Single-Channel Linear Track)的图像分割方法基础上, 提出了一种新的、 有效的视网膜血管分割方法。采用 Gabor 滤波预处理以增强血管信息, 利用 MSLTA 算法获得最初的血管网络, 采用连通域标记的去噪方法,去除图像上的斑点噪声, 分割出最终的血管。 利用国际上公开的 DRIVE(Digital Retinal Images for VesselExtraction)数据库的视网膜图像进行实验, 并与现有的常规算法做了对比。 多组实验结果表明, 该方法的平均精确度达到 95. 37%, 能很好地保留微细血管。