眼底視網膜圖像中的血管自動分割檢測,對臨床輔助醫(yī)學診斷具有及其重要的意義。傳統(tǒng)分割算法需要在圖像的預處理階段進行濾波除噪的工作,但其忽略了圖像中微弱的血管信號同時被濾除的可能性,將造成視盤邊緣部分微細血管的漏檢�？紤]到微弱信號、附加噪聲與非線性系統(tǒng)三者協同的隨機共振機制具有增強弱信號的作用,因此本文引入隨機共振機制來實現微弱血管的自動分割檢測。首先介紹了隨機共振的理論原理,驗證了隨機共振機制在增強弱信號上的優(yōu)越性能。然后提出了眼底視網膜血管多級分割的隨機共振方法,先進行全局意義上的隨機共振響應實現高對比度粗血管的檢測,然后重新定義輸入信號為屏蔽全局檢測結果的局部圖像,實現低對比度微細血管的增強檢測,完成多級隨機共振分割檢測。最后提出了基于尺度分解的眼底血管隨機共振檢測方法,將圖像進行尺度分解,對包含細節(jié)信息的高頻信號進行隨機共振增強實現微細血管分割檢測,融合低頻圖像信號后得到最終的血管分割檢測結果。本文的主要研究工作和成果如下所示:(1)給出了并聯雙穩(wěn)態(tài)模型實現圖像弱信號增強的方案,使用并聯的雙穩(wěn)態(tài)模型分別處理不同掃描方式得到的圖像一維序列,較傳統(tǒng)隨機共振增強方法更加提升了圖像信號的增... 

【文章來源】：杭州電子科技大學浙江省

【文章頁數】：63 頁

【學位級別】：碩士

【部分圖文】：

圖２．１人眼結構??

?眼底主要包含的結構組織包括視網膜，眼底血管，視神經纖維，視神經乳頭，黃斑以及??脈絡膜等［２８１。圖２．２顯示了拍攝的眼底視網膜血管圖像剖面解析圖。眼底圖像中的視盤，也??稱為視乳頭，是視網膜后極部一個邊界清晰，呈現橘紅色的圓形盤結構。眼底圖像中顏色最??亮最淡的結構即為視盤，是觀察眼底圖像最為顯著的結構。黃斑在眼球的后極部，處于視網??膜的中心區(qū)域，呈現橢圓或者近似圓形，富含葉黃素而顯出暗紅色。黃斑中央存在一個中央??凹，是視覺敏感性最強的部位。遍布視網膜眼底的血管是腦血管的分支，血管的動脈和靜脈??交織分布，都起源于視盤，由粗到細發(fā)散性交叉分布，其中動脈較靜脈彎曲度更大、更明亮，??靜脈血管則更寬。由于血管壁的厚度和透明度、血液循環(huán)情況等導致眼底圖像血管存在中心??反光現象，一般表現為橘紅色的血管壁中心有發(fā)亮的黃色線條。??，－一?Ｉ?視盤??／?Ｓｍ－視網膜血管靜脈??中央凹??、＼?

視網膜血管圖像預處理技術??圖像處理技術的一大領域就是圖像預處理技術。圖像預處理在圖像處理的過或缺的，通過特定方式進行預處理后的圖像可以將圖像中需要的信息進行增強濾除掩蓋或者削弱對圖像處理結果造成不良影響的因素，大大提升了圖像處。在進行眼底視網膜血管分割檢測的研宄之前，根據眼底圖像的特性對其進是非常有必要的。眼底圖像的采集有其自身的特殊性，使用的是專用的眼底備，盡管如今的設備已經足夠先進，但由于拍攝環(huán)境、血管的復雜分布特性加上圖像本身在采集、傳輸、存儲過程中會有質量損傷和噪聲干擾，最后得不能清晰的反映出眼底血管結構特征［３Ｇ］。拍攝得到的眼底圖像中，存在噪聲景灰度區(qū)別不明顯，一些血管湮沒在背景中無法分辨等問題，所以正常情況為對象直接進行血管分割檢測算法的研宄。一般在具體的算法研究之前都需系列的預處理操作，以獲取更理想的目標圖像，提升后續(xù)血管分割檢測的精到提局后續(xù)臨床醫(yī)療診斷的效率的目的。??Ｂ通道的選取??

【參考文獻】：
期刊論文
[1]彩色眼底圖像視網膜血管分割方法研究進展[J]. 朱承璋,鄒北驥,向遙,嚴權峰,梁毅雄,崔錦愷,劉晴.  計算機輔助設計與圖形學學報. 2015(11)
[2]基于陣列級聯FHN神經元的弱信號隨機共振復原研究[J]. 陳金龍,范影樂,武薇,高云園.  航天醫(yī)學與醫(yī)學工程. 2013(04)
[3]基于FHN神經元隨機共振的低劑量肺部CT圖像增強[J]. 王海玲,范影樂,陳可,沈學麗,李軼.  航天醫(yī)學與醫(yī)學工程. 2012(02)
[4]基于隨機共振的微弱信號檢測[J]. 梁軍利,楊樹元,唐志峰.  電子與信息學報. 2006(06)
[5]糖尿病性視網膜病變的遠程篩查[J]. 莫靜.  國外醫(yī)學.眼科學分冊. 2003(05)
[6]基于脊波變換的直線特征檢測[J]. 侯彪,劉芳,焦李成.  中國科學E輯:技術科學. 2003(01)

碩士論文
[1]強噪聲背景下微弱信號檢測與處理方法研究[D]. 蔡志全.內蒙古科技大學 2014
[2]弱信號隨機共振檢測機制及其在圖像增強中的應用研究[D]. 陳可.杭州電子科技大學 2011
[3]眼底照相機中圖像處理技術的研究與實現[D]. 黃琳.南京航空航天大學 2009



本文編號：2910208