基于聚類算法的眼底視網(wǎng)膜血管分割研究.pdf

1、眼底視網(wǎng)膜血管作為人體唯一能夠觀察到的較深層的血管，不僅可以反映心血管疾病對(duì)血管網(wǎng)絡(luò)的影響，而且還可以反映糖尿病型視網(wǎng)膜病變的程度，因此視網(wǎng)膜圖像中血管的檢測與提取在高血壓、糖尿病等疾病的診斷和治療評(píng)價(jià)方面具有重要意義。另外，視網(wǎng)膜血管作為一種人體生物特征，在身份鑒別等安全保密方面亦有重要的應(yīng)用前景。
　　 本文在前人研究的基礎(chǔ)上對(duì)眼底視網(wǎng)膜血管分割算法進(jìn)行了研究，主要工作體現(xiàn)在以下幾個(gè)方面：
　　 (1)研究了眼底視網(wǎng)

2、膜圖像的預(yù)處理過程。通過對(duì)紅、綠、藍(lán)三個(gè)通道圖像的分析，發(fā)現(xiàn)只有綠色通道圖像血管和背景的對(duì)比度最高，故選取綠色通道圖像進(jìn)行降噪處理、去除眼底圖像邊框和進(jìn)行亮度調(diào)整，在此基礎(chǔ)上采用匹配濾波法進(jìn)行增強(qiáng)。實(shí)驗(yàn)結(jié)果表明，預(yù)處理后圖像血管清晰可見，對(duì)比度得到改善。
　　 (2)研究了聚類數(shù)、初始聚類中心、加強(qiáng)指數(shù)、核函數(shù)的選取對(duì)眼底血管圖像分割結(jié)果的影響。聚類算法中聚類參數(shù)的選取目前尚無理論指導(dǎo)，本文結(jié)合模糊C均值聚類算法的評(píng)價(jià)標(biāo)準(zhǔn)通過大

3、量實(shí)驗(yàn)仿真來確定聚類參數(shù)。仿真結(jié)果表明，若聚類數(shù)選擇太小，背景和目標(biāo)區(qū)域誤分割現(xiàn)象嚴(yán)重；若聚類數(shù)選擇過大，不僅會(huì)增加計(jì)算時(shí)間和算法的復(fù)雜性，而且核模糊C均值聚類的目標(biāo)函數(shù)值并不會(huì)相應(yīng)地減少；當(dāng)聚類數(shù)為5時(shí)分割效果最好。聚類算法的初始聚類中心用K-means算法的聚類中心代替時(shí)可以有效地減少算法的迭代次數(shù)。加權(quán)指數(shù)為2時(shí)算法的運(yùn)算時(shí)間最短，在相同的迭代次數(shù)下選取高斯核作為核函數(shù)時(shí)聚類目標(biāo)函數(shù)下降的相對(duì)幅度最大。
　　 (3)提出了

4、一種自適應(yīng)提取眼底視網(wǎng)膜血管區(qū)域的方案。通過對(duì)聚類分割圖像和與之相對(duì)應(yīng)隸屬度的關(guān)系分析，發(fā)現(xiàn)將隸屬度和較小的3類聚類分割圖像合并為血管區(qū)域時(shí)效果較好。仿真和實(shí)驗(yàn)驗(yàn)證了此方案的可行性。
　　 (4)引入遺傳算法優(yōu)化聚類算法的目標(biāo)函數(shù)值。核模糊C均值聚類算法在求解目標(biāo)函數(shù)時(shí)容易陷入局部最優(yōu)，收斂速度受初始值的影響比較大，本文利用遺傳算法的隨機(jī)全局多點(diǎn)搜索能力優(yōu)化聚類算法的目標(biāo)函數(shù)值。
　　 (5)針對(duì)受噪聲干擾嚴(yán)重的眼底視網(wǎng)