[发明专利]基于水平集的视网膜血管分割算法

说明书

本发明涉及一种基于水平集的视网膜血管分割算法。目前在医学临床中，眼底图像是眼科医生对眼底疾病患者进行疾病诊疗的重要依据，医生凭借主观经验对眼底图像筛查、判断病变类型，进而给出诊断。这种医疗模式耗费了大量时间且存在主观性，易错过最佳治疗时间。本发明包括如下步骤：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；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。本发明用于基于水平集的视网膜血管分割算法。

技术领域：

本发明涉及医疗图像分割技术领域，具体涉及一种基于水平集的视网膜血管分割算法。

背景技术：

近年来，随着图像处理与分析技术的快速发展，利用计算机进行医学图像处理已经广泛应用于医学的各个学科和领域。借助图像处理、计算机视觉以及机器学习等技术，对相关医学影像进行处理和分析，可以有效量化和可视化相关病理及解剖结构，从而实现计算机辅助甚至代替医生对病情进行准确诊断和精确治疗。

视觉系统是人们获取外界信息的重要工具，在工作、学习、生活中起着不可替代的作用，眼睛的健康程度与人们的生活质量密不可分。据统计，中国是世界上盲人数目最多的国家之一，约 670 万人，占世界盲人总数的18%。在大量不可逆的致盲疾病中，眼底视网膜病变是主要的致盲病因。国际糖尿病联合会的一项调查显示，全球将近4.25亿糖尿病患者存在失明风险，预计2045年将增加到6.29亿，糖尿病性视网膜病变引起的失明率也逐年上升。基于早期眼底血管图像的筛查工作在一定程度上可降低视觉损伤和致盲概率。

视网膜血管结构的变化是许多疾病出现的临床表现，这些疾病包括高血压、心血管病、糖尿病和中风等。在视网膜眼底图像结构中，视网膜血管的形态，包括宽度、弯曲度、分枝形态、角度等特征是早期疾病诊断的依据，其中的各种病变是许多疾病的直接反映，如糖尿病性视网膜病变，青光眼等，视网膜血管的变化在一定程度上也反映出一些其他器官的健康情况。眼底视网膜图像在眼科疾病诊断和研究得到广泛应用，在医学临床中，眼底图像是眼科医生对眼底疾病患者进行疾病诊疗的重要依据，医生凭借主观经验对眼底图像筛查、判断病变类型，进而给出诊断。这种医疗模式耗费了大量时间且存在主观性，易错过最佳治疗时间，视网膜图像血管的自动分割，尤其是高精度的自动分割算法需求迫切。因此，迫切需要针对眼底病的相关特性，利用计算机图像处理与分析手段，对眼底视网膜图像进行客观、准确地自动处理和分析，以满足临床上对眼底病筛查、诊断和治疗的需求。

发明内容：

本发明的目的是提供一种基于水平集的视网膜血管分割算法，通过该方法解决彩色眼底视网膜图像在血管分割过程中出现微小血管检测困难、抗噪声能力弱等问题，达到提高分割精度的目的。

上述的目的通过以下的技术方案实现：

一种基于水平集的视网膜血管分割算法，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；