[发明专利]基于非荧光眼底图像的视网膜血管自动分割方法

摘要

本发明涉及一种基于非荧光眼底图像的视网膜血管自动分割方法，包括以下步骤：第一步、对图像进行预处理，增强血管特征，弱化背景噪声；第二步、利用多尺度线性算子提取视网膜图像的形态学特征，并结合二维Gabor小波变换分割出精细的血管框架；第三步、分割出精细的血管框架之后，采用路径形态学滤波，将最大路径长度与血管区域的几何特征相结合，构造临接图；第四步、通过区域连通性分析和滞后阈值技术进行二值化过程，辅助分割微小血管，完成分割。与现有技术相比，本发明血管定位精度较高，粘连现象少，有效分割眼底图像的视网膜血管网络。

主权项

1.一种基于非荧光眼底图像的视网膜血管自动分割方法，其特征在于，包括以下步骤：第一步、对图像进行预处理，增强血管特征，弱化背景噪声；第二步、利用多尺度线性算子提取视网膜图像的形态学特征，并结合二维Gabor小波变换分割出精细的血管框架；第三步、分割出精细的血管框架之后，采用路径形态学滤波，将最大路径长度与血管区域的几何特征相结合，构造临接图；第四步、通过区域连通性分析和滞后阈值技术进行二值化过程，辅助分割微小血管，完成分割；所述的第二步具体包括以下内容：将线性算子扩展到多尺度，且该线性算子可以旋转以匹配不同方向的血管，不仅排除了中央反射的干扰，而且减少了血管分叉点或平行紧挨血管的分割误差；假设输入的眼底图像数学定义为I(i，j)，Ls,k(i,j)为多尺度线性算子与输图像的卷积响应，对于每一个尺度，该线性算子都会旋转以匹配不同方向的血管，真正匹配时所得到的响应输出hs(i,j)为：式中，尺度取值范围为s＝1,3,...,15，方向个数为k＝0,1,...,11，n(i,j)表示灰度响应的均值输出，基于窗口大小为w＝15计算的；将大尺度和小尺度的优势结合起来，得到多尺度的线性算子响应H(i,j)，表达式如下：式中，ns为线性算子不同尺度的数量；在H(i,j)的表达式中引入了局部区域方差参数α，虽然实际输出响应增大，但α值也会增大，从而区分开背景与血管，H(i,j)的表达式更新为：。