[发明专利]基于水平集的视网膜血管分割算法

权利要求书

1.一种基于水平集的视网膜血管分割算法，其特征是：该算法包括如下步骤：

步骤一、视网膜图像预处理：包括单通道颜色获取、感兴趣区域提取、亮度调节，在彩色视网膜图像中，与其他颜色通道相比，血管在其绿色通道中与背景区域间具有最佳的对比度，将眼底彩色视网膜图像中的绿色通道作为后续血管分割的输入图像，掩膜提取是用选定图像遮盖处理后的图像，并控制图像处理区域，由于边缘像素的灰度值和ROI像素的灰度值之间差异较大，对掩膜进行提取时，采用阈值二值化的方法，亮度增强采用对比度受限的自适应直方图均衡化，将图像分块，以块为单位计算直方图，然后修剪直方图，进行块间非线性插值，最后均衡；

步骤二、视网膜图像增强：采用提出基于Gabor变换与和高低帽变换相结合的方法增强视网膜血管图像，视网膜图像进行Gabor变换，使用形态学高低帽变换对低频区域图像进行增强处理，在高频子带，采用阈值分析的方法，抑制噪声的影响，并处理高频分量，最后对低频分量与所有的高频分量进行Gabor重构，得到最终的增强图像，在进行高低帽变换时，采用的结构元素是多方向线性元素，根据粗血管直径，结构元素的长度取10个像素点，以10为步长旋转，则最终的增强图像每个像素点的灰度值取18个变换结果对应位的最大值；

步骤三、视网膜血管分割：主要采用主动轮廓模型，利用平滑和封闭的轮廓线覆盖亚像素的边缘，主动轮廓模型的能量泛函最小化可得到精确的分割目标，本发明采用基于DRLSE水平集模型的算法，该算法流程如下：

（1）、多尺度线检测初步分割血管定位初始轮廓位置R₀；

血管为线性管状结构且向任意方向延伸，宽度一般为2~13个像素，本发明利用多尺度、多方向的线检测器初步分割血管，选择长度为2~13等12个不同尺度、在每隔10°旋转一次的18个不同方向的线型结构算子，当线型模板长度、角度与血管形态匹配时，输出响应达到最大值，同一尺度、同一角度的血管边缘检测定义如下：

(1)

其中o为形态开操作，S_θⁿ为尺度为n、角度为θ的线型算子，SnS可获得任意尺度n的线型算子，与旋转矩阵T相乘可旋转任意角度θ，

因此，同尺度的血管边缘为：

(2)

同理，最终分割的血管边缘为不同尺度的最大值，表示为：

(3)

（2）、建立水平集模型；

设是定义在图像I(x,y) 区域Ω上的水平集函数，DRLSE模型的能量泛函定义为：

(4)

其中权重系数，R_p为符号距离正则项，E_ext是外部能量项，分别表示为：

(5)

R_p为符号距离正则项，惩罚水平集函数与符号距离函数的偏差，维持演化过程中的符号距离属性，即，避免周期性的重新初始化及其引入的数值误差，E_ext中的参数项，第一项为零水平集轮廓的加权周长，驱动曲线向目标边缘演化，第二项为闭合曲线内部区域的加权面积，决定曲线演化的速度和方向，p函数采用双势阱函数定义，和分别表示Dirac和Heaviside函数，用两光滑函数和

替代表示为：

(6)

设置模型的初始化参数为：正则项系数，长度项系数，面积项系数，光滑函数参数；

（3）、初始化水平集函数；

初始水平集函数采用符号距离函数定义为：

(7)

其中常数c设置为2；

（4）、更新水平集函数；

当模型能量泛函最小时，水平集函数停止演化，水平集演化方程为：

(8)

（5）、判断水平集函数是否停止更新或迭代次数达到上限，满足则停止演化，最终轮廓即为目标边缘，否则执行(4)。