視網膜血管圖像增強與檢測.pdf

1、血管疾病是當今威脅人類健康的常見疾病，血管疾病的預防和診斷有重要的意義。但血管在人體組織中的分布復雜密集，形狀規(guī)則不一，細小血管對比度低，不利于醫(yī)生利用影像對病情進行診斷。因此需要通過各種圖像處理方法抑制血管鄰近組織和噪聲干擾，同時實現血管增強和精準定位，為醫(yī)生提供更可靠的信息，便于臨床診斷和治療。本文的研究內容主要包括以下三個方面：
　　(1)結構張量是一種基于一階梯度響應的結構檢測算子，一般只適用于階梯邊的目標檢測，而Hess

2、ian矩陣屬于二階微分算子，可用于類似于脊的形狀檢測。本文將結構張量與Hessian矩陣相結合，應用于血管的檢測，這樣兼顧了血管的軸線檢測和邊界定位，從而達到血管整體增強的目的。另外，通過分析梯度向量流在血管軸的擴散分布，發(fā)現可將它用于血管中心線定位，將其與結構張量相結合，利用結構張量對梯度向量的平均統(tǒng)計，從而達到了血管脊的增強。
　　(2)傳統(tǒng)Hessian分析血管濾波方法，在檢測血管二階結構的同時會對其它階躍信號產生較強的偽響

3、應，導致檢測不準確。本文采用非線性高斯微分方法，將血管兩側與一階高斯導數卷積，取兩者響應最小值，實現了對血管脊的檢測，并有效抑制階躍噪聲。該方法與Hough變換結合，可用于工業(yè)紙張側面圖中的管狀端面檢測，從而實現疊層紙張的精確計數。
　　(3)傳統(tǒng)的追蹤分割方法雖然實現簡單，但需要人工植入種子點，不能實現自動分割，并且對噪聲敏感。本文采用最短路徑血管追蹤分割方法，依賴血管先驗知識，包括血管尺度和方向的估計，來追蹤具有相似特征的像素