[发明专利]基于Gabor滤波器的眼底图像血管自动分割方法

说明书

技术领域

本发明属于医学图像处理领域，涉及一种基于Gabor滤波器的眼底图像血管自动分割算法，算法在实现全自动分割的同时，保证了分割结果的有效性。

背景技术

眼底血管是人体唯一可以非创伤观察的较深层微血管，其直径、弯曲程度和颜色等结构变化可以反映人体高血压、糖尿病以及动脉粥样硬化等临床病理特征。由于眼部血管的直径变化范围较大，而且血管走向复杂，使得人工血管分割相对困难，通过计算机辅助操作系统，建立眼部血管分析诊断平台，将有助于提高临床诊断水平。眼底数码照相为眼底检测提供了便捷直观的手段，利用图像处理技术对眼底血管进行定量检测，将有助于医生进行临床病理诊断，具有重要的临床意义。

自20世纪70年代以来,随着计算机技术的不断发展和完善，眼底图像血管分割技术的研究也逐渐深入。近年来涌现出了大量的血管分割方法，如血管追踪法、分类器方法、区域增长方法、活动轮廓模型方法、数学形态学方法、小波变换方法、匹配滤波方法、多尺度方法、模糊理论方法等。

但是，由于眼底图像血管与背景的对比度相对较低，特别是医学成像时受噪声污染，眼底图像的分析诊断仍然存在一定的困难，且很难实现自动化。为解决以上问题，眼底血管的分割工作在充分考虑到保证分割精度的同时，实现分割参数和阈值的自动选取也尤为关键。

发明内容

针对上述现有技术中存在的问题，本发明设计了基于Gabor滤波器的眼底图像血管分割算法，在保证分割结果有效性的同时，有效减少了滤波器的方向，实现了滤波器参数以及阈值的自动选取，算法具体流程如图1。

算法首先在预处理阶段选取血管对比度最优的绿色通道图像，利用20个不同角度的Gabor滤波器对眼底图像血管边缘进行粗提取，然后，以滤波器的最大响应作为血管的粗定位位置，在滤波器参数选择中，本发明引入了优化的Imperialism competitive algorithm(ICA)算法实现了参数的自动选取，在二值化阈值选择中，在准确率最大原则的基础上实现阈值的自动选择，最后，利用形态学处理后得到的图像掩膜，去除分割边缘假阳性区域，得到血管的最终分割结果。

为实现上述目的，本发明的特征在于采取以下步骤：

步骤1，原始图像的预处理；

步骤2，利用20个间隔为1°的Gabor滤波器去获取血管的边缘信息，以具有最大响应的图像作为血管的粗分割结果；

步骤3，利用优化的ICA算法实现Gabor滤波器参数的最优化自动选取；

步骤4，利用准确率最大原则的系统研究法决定有效的阈值，对初分割图像进行二值化；

步骤5，基于形态学的二值化图像后处理，得到眼底图像血管最终分割结果。

与现有技术相比，本发明的有益效果是：

1.本发明在实验基础上，将传统Gabor滤波器的方向从180个降低为20个；

2.本发明实现了基于ICA方法的Gabor滤波器参数的自动选取；

3.在保证高准确率的情况下，实现了分割阈值的自动选取。

附图说明

图1 本发明所涉及方法的流程框图；

图2 原始图像；

图3 绿色通道图像；

图4 Gabor滤波器全幅值响应图；

图5 阈值选取原理图；

图6 图像二值化结果；

图7 图像掩膜；

图8 血管分割结果。

具体实施方式

步骤1，读取原始图像，如图1，分别获取原始图像的红色(R)、绿色(G)、蓝色(B)通道图像，选取三个通道图像中血管对比度最强的绿色通道为后续处理的输入图像，如图2。

步骤2，Gabor滤波器是一个用于边缘检测的线性滤波器。在空域，一个二维的Gabor滤波器具有在空间域和频率域同时取得最优局部化的特性，与人类生物视觉特性很相似，因此能够很好地描述对应于空间频率(尺度)、空间位置及方向选择性的局部结构信息。Gabor滤波器是自相似的，也就是说，所有Gabor滤波器都可以从一个母小波经过膨胀和旋转产生。实际应用中，Gabor滤波器可以在频域的不同尺度，不同方向上提取相关特征。Gabor滤波器的核函数如下：

式中，g(x,y)为滤波器的幅值响应，σ_x和σ_y是x和y方向的标准差,f_o是曲线的频率。余弦曲线有一个宽度τ，其中f_o＝1/τ，L为宽度垂直平方向上的高度。