[发明专利]一种基于自适应高斯差分的眼底图像血管分割方法

摘要

本发明公开了一种基于自适应高斯差分的彩色眼底图像的血管分割方法，包括1)提取彩色眼底图像绿色通道，进行对比度受限的自适应直方图均衡化和各向异性耦合扩散的预处理；2)构造高斯尺度空间；3)将高斯尺度空间中相邻两层相减得到高斯差分图像；4)对高斯差分图像加权取平均得到血管增强图像；5)二值化血管增强图像；6)旋转高斯核在12个方向(0°～180°，15°为步长)重复步骤2～5，并叠加12个方向的结果；7)根据预处理图像直方图的双峰性，选取第二个峰处灰度值的20％为阈值提取图像中的亮区域；8)从血管二值图中减去亮区域，减小亮区域对血管分割的影响；本发明可以广泛地用于各种彩色眼底图像的血管分割中。

主权项

一种基于自适应高斯差分的眼底图像血管分割方法，包括下列步骤：步骤1‑1：输入一幅彩色眼底图像I(x，y)；步骤1‑2：提取彩色眼底图像的绿色通道G(x，y)，经过对比度受限的自适应直方图均衡化以及各向异性耦合扩散去噪两种算法的处理得到预处理图像P(x，y)；步骤1‑3：采用基于自适应高斯差分的算法在从0°到180°，以15°为步长的12个方向上分割眼底血管，分别得到12幅眼底血管的增强图像；步骤1‑4：采用Otsu阈值分割算法对分割得到的眼底血管增强图像进行二值化，得到血管分割的二值图像Bj(x，y)，其中，j＝1，2，...，12，并将12个方向上的二值图像进行叠加得到完整血管分割图像B(x，y)；所述步骤1‑3和步骤1‑4的具体步骤：步骤2‑1：构造高斯尺度空间，首先构造高斯核其中σ为尺度因子；步骤2‑2：然后用高斯核与预处理图像P(x，y)做卷积运算，即Li(x，y，σi)＝G(x，y，σi)*P(x，y)，Li(x，y，σi)即为高斯尺度空间中每层的高斯平滑结果，其中σi为第i层的尺度因子；步骤2‑3：基于高斯尺度空间对相邻两层的高斯平滑结果进行以尺度σi为因子的高斯差分运算：Di=1M×NΣx=0M-1Σy=0N-1|Li+1(x,y,σi+1)-Li(x,y,σi)|---(1)]]>其中，M表示图像的长度，N表示图像的宽度；步骤2‑4：对高斯差分图像采用加权平均运算，计算过程如下：D(x,y)=Σi=0n-1ωiDi(x,y)---(2)]]>其中，n为高斯尺度空间中图像总层数，ωi为各层目标图像所占权重；步骤2‑5：对高斯差分加权平均运算得到的结果D(x，y)采用Otsu阈值分割算法进行二值化，得到血管分割的二值图像Bj(x，y)；步骤2‑6：在0°到180°内，以15°为步长，分别在12个方向上对预处理图像进行自适应的高斯差分算法，并将12个结果叠加在一起，得到最终的血管分割结果B(x，y)；步骤1‑5：眼底图像中亮区域的提取，根据眼底图像预处理图像P(x，y)的直方图的双峰性分割眼底图像中的亮区域M(x，y)；步骤1‑6：从血管分割的二值图像B(x，y)中减去M(x，y)，减小眼底图像中亮病变以及视盘对血管分割的影响。