曲線演化模型及其在視網(wǎng)膜圖像分割中的應(yīng)用研究.pdf

1、高血壓、心臟病等血管類疾病是嚴(yán)重危害人類健康的常見疾病，而血管影像是目前此類疾病診斷和治療的一個重要手段。隨著成像技術(shù)發(fā)展與成像分辨率的提高，現(xiàn)代影像設(shè)備所產(chǎn)生的海量數(shù)據(jù)單純依靠人工判讀已不現(xiàn)實。以圖像處理為基礎(chǔ)的計算機輔助診斷技術(shù)是解決這一難題的有效途徑。本文針對視網(wǎng)膜圖像具有血管細(xì)小、拓?fù)鋸?fù)雜、密度不均等特點，借助曲線演化模型在結(jié)合上層先驗知識與底層圖像信息方面的優(yōu)勢，研究了視網(wǎng)膜圖像血管的分割方法，以滿足計算機輔助診斷中目標(biāo)定位與

2、量化評估的需求。主要內(nèi)容如下：
　　(1)針對傳統(tǒng)參數(shù)曲線演化模型對初始化位置要求嚴(yán)格，與氣球力模型無法改變外力方向的問題，本文提出一種區(qū)域概率密度外力模型。通過利用前二者忽略的區(qū)域灰度分布統(tǒng)計信息，建立了不同區(qū)域的參數(shù)化模型，在判斷每個局部區(qū)域?qū)儆诟髂Ｐ偷母怕驶A(chǔ)上，決定曲線的演化速度大小與方向，從而在增加外力捕捉范圍的同時避免了泄漏發(fā)生。
　　(2)由于幾何曲線演化模型具有能夠改變自身拓?fù)浣Y(jié)構(gòu)的優(yōu)點，主要研究了基于區(qū)域的

3、曲線演化模型。針對局部區(qū)域擬合模型(LBF)分割血管這種細(xì)長結(jié)構(gòu)時出現(xiàn)的尺度選擇與分割精度的矛盾，通過加入局部區(qū)域灰度信息，擴(kuò)展了距離函數(shù)的維度定義，較好的改善了上述問題。
　　(3)結(jié)合視網(wǎng)膜圖像中血管與視乳頭分割的應(yīng)用要求，利用了上述討論的曲線演化模型對二者分割：1)在分割血管時，由于視網(wǎng)膜圖像背景復(fù)雜、成像不均，需先利用Gabor變換增強血管特征以利于后續(xù)分割。在研究梯度幅值表達(dá)邊緣特征不足的基礎(chǔ)上，提出了一種基于向量流的邊