论文部分内容阅读
视网膜图像的分割与配准是医学影像处理与分析中的一个重点和难点。视网膜是人体中唯一可以在体获得血管网络图像的组织。很多的视网膜疾病，比如青光眼、与年龄相关的黄斑退行性改变等，还有很多的普发性非眼科疾病，比如糖尿病、脑中风等，都会在视网膜图像中呈现出病理改变。视网膜图像的处理能够使得医生更加方便准确地对患者进行诊断和治疗。而在视网膜图像处理领域中，视网膜图像的分割与配准算法又是其最重要的两个环节。
本文首先简要介绍了视网膜及视网膜病，还介绍了视网膜图像处理领域存在的挑战，第二和第三章分别提出了一个新颖的视网膜血管网络分割算法和一个分割结果优化算法，第四章提出了多模态低质量视网膜图像的配准算法。本文的主要贡献有：
①提出了一种基于方向场的视网膜图像血管网络增强提取算法。为了从视网膜图像中提取低对比度的微细血管，我们提出了一种基于方向场的视网膜图像血管网络增强和提取算法。此算法可以显著地增强视网膜图像血管的对比度，特别是微细血管的对比度。在此算法中，我们首先采用一种局部的血管提取算法来从增强的视网膜图像中提取微细血管；然后再通过顶帽变换和形态学重建的方法提取血管网络主干；最后把这两个步骤中提取的到的血管网络有机地结合起来。实验表明，经本算法提取到的血管网络，微细血管和低对比度血管提取结果优于现有的算法。
②提出了一种基于近邻函数准则的分割结果优化算法。视网膜血管病变的定量分析是一个很复杂很困难的问题，因为血管宽度和对比度都是不稳定的，同时还存在局部容积效应。因此我们提出了一种基于近邻函数准则的视网膜血管分割优化算法。在初始分割的基础上，我们在分割边界上对每个点求取像素空间分布模式和图像灰度相结合的近邻函数值，然后根据这些结果对分割边界进行再分类以达到优化的目的。实验表明，我们的算法对初始分割结果能达到很好的优化效果。
③提出了一种新的视网膜图像配准框架和一种新颖的不变性局部特征。现有算法通常使用血管网络交叉点来进行视网膜图像配准。但在低质量多模态的视网膜图像中，血管网络及交叉点的提取是一个很困难的任务。这往往导致现有算法无法正确进行配准。为了解决这个问题，我们提出了一种新的视网膜图像配准框架和一种新颖的不变性局部特征。此局部特征具有旋转不变性，部分尺度不变性和仿射不变性。另外，此特征还具有部分图像强度不变性，这使得这种特征适用于多模态图像配准。在我们的框架中，首先检测图像中的角点用以代替血管网络交叉点，因为角点很充足且分布比较均匀。然后，在每个角点处提取局部特征并对两幅图中的局部特征进行匹配。最后去除错误匹配和校正不准确匹配。实验表明，我们的配准算法无论从成功率、准确性和计算速度方面都优于现有的算法。