[发明专利]基于全局与局部阈值的视网膜血管分割算法

权利要求书

1.一种基于全局与局部阈值的视网膜血管分割算法，其特征在于，包括以下步骤：

S1:对视网膜图像进行图像增强；

S2:对增强后的图像采用二维最大熵阈值法确定全局阈值，然后分割获得主血管部分的图像；

S3:对增强后的图像采用移动平均方法确定局部阈值，然后分割获得细小血管部分的图像；

S4:对主血管部分和细小血管部分的图像进行融合，分割出最终的血管网络。

2.根据权利要求1所述的视网膜血管分割算法，其特征在于，所述步骤S1)中的增强方法如下：

S11:对输入的原始RGB视网膜图像进行预处理，分解成红、绿、蓝三通道图像，提取视网膜图像的绿色通道图像；

S12:对绿色通道图像采用多尺度多方向滤波方法进行图像增强。

3.根据权利要求2所述的视网膜血管分割算法，其特征在于，所述步骤S12)中的多尺度多方向滤波方法如下：

S121:输入绿通道图像，产生像素矩阵T，对于绿通道图像的每一个像素，首先初始化空间尺度σ的范围、迭代步长、滤波器的增强因子β和c；

如果σ没有满足停止条件，那么根据血管相似滤波器计算增强滤波的输出值Z_o，接着迭代σ，判断σ是否满足停止条件；

如果σ满足停止条件，则选取最大增强滤波输出值作为该像素的增强因子；

S122:对于绿通道图像的每一个像素，首先初始化方向因子θ的范围和迭代步长；

如果θ没有满足停止条件，求得相应的高斯核模板并与T进行卷积，得卷积结果Z_θ；迭代θ的值，判断θ是否满足停止条件；

如果满足停止条件，则选取所有方向相应像素的最大值作为该像素的增强因子；

S123:对比分析每一个像素f_ij的相应位置多尺度增强结果f₁和多方向增强结果f₂的值，选取f₁和f₂中最大值作为f_ij的结果，从而得到最终的增强结果。

4.根据权利要求1所述的视网膜血管分割算法，其特征在于，所述步骤S3)中局部阈值的确定方法具体为：

移动平均的扫描方式为Z字形逐行扫描；

令z_k+1表示步骤k+1中扫描序列中遇到的点的灰度，则z_k+1处的移动平均灰度为其中k≥n-1；n表示用于计算平均的点数，且m(1)＝z₁/n；

当k<n-1时，移动平均灰度

对于图像中的每个点都计算移动平均，则可变局部阈值的通用形式为：T_xy＝bm_xy；其中，b是常数，m_xy是在输入图像中的点(x,y)处计算得到的移动平均。

5.根据权利要求1所述的视网膜血管分割算法，其特征在于，所述步骤S4)中的融合方法具体如下：将二维最大熵结果中的主血管作为整个血管网络的主干，通过对区域连通性进行判断，即当移动平均中像素为细小血管图像中血管像素，并且在大小为a×a的邻域窗口中有一个像素在相应的主血管图像中为血管像素时，即认为该点像素为血管，然后循环遍历整个移动平均图像，直至判定完成。

6.根据权利要求5所述的视网膜血管分割算法，其特征在于，所述a取值为5。