基于相位一致性的眼底图像视网膜血管分割

眼底图像的视网膜血管分割是眼底图像处理的重要组成部分,视网膜血管对于医学研究和临床诊断有着重要的作用。传统图像分割算法都有一定的缺陷,而相位一致性算法由于不受对亮度和对比度的影响,且有着较好的分割效果,可以用于图像特征的提取和分割。为此提出了将相位一致性算法应用于眼底图像的血管提取中,采用真实的眼底图像数据库进行实践,证明了可较好地用于眼底图像视网膜血管分割。     

视网膜血管图像分割及眼底血管三维重建

眼底视网膜图像的血管分布情况为高血压、糖尿病等疾病的早期诊断提供了重要依据. 计算机处理眼底图像可以减少医生的重复劳动. 本文提出了一种新的眼底视网膜血管图像分割算法. 利用构建的局部归一化方法消除视网膜血管图像背景的差异性. 利用期望最大化算法进行聚类, 实现了眼底视网膜血管图像分割. 最后, 根据眼底图像成像原理, 通过投影逆变换构建了眼底视网膜图像的三维模型. 构建的模型可以进行多角度观察分析.     

基于核模糊C均值的眼底视网膜血管分割算法

针对眼底视网膜图像对比度差、背景不一致的问题,提出了一种基于核模糊C均值的眼底视网膜血管分割算法。首先采用二维高斯匹配滤波预处理以增强血管,然后采用核模糊C均值算法对增强眼底图像进行分割,并根据血管与各类隶属度的关系自动合并聚类图像得到最终的血管图像。实验结果表明,该算法分割结果令人满意。     

基于改进相位一致性算法的眼底血管分割

为了从眼底图像中分割出具不同形态特征的视网膜血管,提出了基于改进相位一致性算法的眼底血管分割方法。采用二维离散Hilbert变换实现相位一致性算法,利用相位一致性算法在频域提取眼底图像特征并用于视网膜血管分割。采用STARE眼底图像数据库进行实验并以专家手工分割结果为标准,实验结果表明,提出的改进相位一致性算法可较好完成视网膜血管分割,能够有效避免图像亮度和对比度对分割结果的影响。     

基于深度学习的眼底血管图像分割研究进展

眼底血管图像分割对青光眼、糖尿病视网膜病变等多种眼部疾病有较好的辅助诊断作用, 目前深度学习因其强大的抽象特征发现能力, 有望满足人们从眼底血管图像中提取特征信息进行图像自动分割的需求, 成为眼底血管图像分割领域的研究热点. 为更好把握该领域的研究进展, 本文对相关数据集和评价指标整理归纳, 对深度学习在眼底血管图像分割中的应用进行详细阐述, 重点梳理各类分割方法的基本思想、网络结构及改进之处, 分析现有眼底血管图像分割方法存在的局限性及面临的挑战, 并对该领域未来的研究方向做出展望.     

基于生成对抗网络的眼底图像生成方法

提出一种带出血病症的眼底图像生成方法,该方法可以丰富眼底图像样本,提升眼底出血检测系统的准确率。该方法用图像分割技术从现有图像中分割出血管树和出血块,利用GAN生成大量血管树和出血块,并经过预处理合并,把合并后的图片和真实眼底图片一起输入到改进的CycleGAN中,生成大量眼底图片。其中对CycleGAN进行改进：改进模型结构,引入Wassertein距离,并加入同一映射损失和感知损失。实验表明,用该方法生成图像的PSNR值比现有技术提高9.82%,SSIM值提高4.17%且收敛速度更快。把生成图像添加到出血检测系统的训练集中,系统的AUC值提升3.51%,证明该方法优于现有技术。     

U-Net与自适应阈值脉冲耦合神经网络相结合的眼底血管分割方法

由于眼底血管结构复杂多变,且图像中血管与背景对比度低,眼底血管分割存在巨大困难,尤其是微小型血管难以分割.基于深层全卷积神经网络的U-Net能够有效提取血管图像全局及局部信息,但由于其输出为灰度图像,并采用硬阈值实现二值化,这会导致血管区域丢失、血管过细等问题.针对这些问题,提出一种结合U-Net与脉冲耦合神经网络(P...     

基于EMD和模极大值的造影图像血管提取

针对冠脉造影图像噪音大且血管边缘模糊问题,提出一种基于经验模态分解的冠脉造影图像血管提取方法以较完整有效地提取出造影图像中的血管信息。该方法首先对图像预处理后的造影图像进行经验模态分解,将其分解成若干图像层,保留包含血管信息的图像层并丢弃含非血管信息图像层;其次对保留的图像层进行血管特征提取,依据连通区域的一系列属性来提取图像层中血管信息以获取清晰明显的血管段;最后通过层间信息相互参照,重构血管脉络明显的心血管图像。实验证明了方法有很高的精确度和实际的医用价值。     

基于马尔可夫随机场的眼底图像血管分割研究

眼底图像血管分割是医用图像分割中较为复杂的一种,在目前的研究中存在分割精度低、效率不高等问题。提出基于马尔可夫随机场的眼底图像血管分割算法,根据眼底图像的特点构建马尔可夫随机场模型,提取H通道作为特征场参数,利用最大后验准则完成标号场更新,最终实现对视网膜血管的分割。算法通过眼底图像数据库DRIVE进行测试,结果表明:该算法平均准确度为0.954 6,平均敏感度为0.899 9,平均特异度为0.957 1,具有很好的分割效果,且运行稳定,计算方便快捷,具有鲁棒性。     

基于DWT和形态学的眼底图像小血管检测

针对眼底图像中末端小血管检测难、细节容易丢失的问题．提出一种基于离散小波变换（DWT）和形态学滤波的检测算法。通过小波变换多尺度分析眼底图像小血管系数、背景系数的不同特征．选取分量信号的系数后重构图像。同时以自适应阈值Canny算法提取小血管边缘;然后将结合小血管宽度选择适当结构元素半径,对重构图像进行灰度膨胀,实现小血管检测。结果表明,形态学结合DWT的检测算法能够准确地检测小血管．与常见边缘检测算法相比检测成功率较高。     

基于眼底图像层次特征的分类方法

针对眼底图像中视网膜血管结构的划分问题,提出一种自适应的广度优先搜索算法。首先,基于视网膜血管的结构提出层次特征的概念并进行特征提取;然后,对分割的视网膜血管进行分析及处理,提取得到多个无向图子图;最后,使用自适应的广度优先搜索算法对每个子图中的层次特征进行分类。视网膜血管结构的划分问题被转化为层次特征的分类问题,通过对视网膜血管中的层次特征进行分类,包含这些层次特征的视网膜血管段的层次结构就可以被确定,从而实现视网膜血管结构的划分。该算法运用于公开的眼底图像数据库时具有良好的性能。     

Semiautomatic leakage analyzing system for time series fluorescein ocular fundus angiography

An algorithm for measuring an index of leakage in fluorescein fundus angiography is presented. The number of pixels whose gray level exceeds an automatically determined slice level is calculated. An automatic blood vessel elimination technique is introduced. Further, a method of measuring the short term change of leakage from a time series of the fluorescein fundus angiographs is described. Our system can also deal with the time series images obtained on different occasions (long term change).The features of this paper are: (1) this paper deals with double time sequence images (short and long term); (2) an automatic blood vessel recognition algorithm is employed.     

Research on fundus image registration and fusion method based on nonsubsampled contourlet and adaptive pulse coupled neural network

We present a registration and fusion method of fluorescein fundus angiography image and color fundus image which combines Nonsubsampled Contourlet (NSCT) and adaptive Pulse Coupled Neural Network (PCNN). Firstly, we register two images by Speeded Up Robust Features (SURF) feature points, the nearest neighbor and the next nearest neighbor distance ratio method to eliminate the spatial difference between the source images. Secondly, we use Random Sample Consensus (RANSAC) algorithm to achieve precise matching of feature points. Then, according to the transformation parameters obtained by RANSAC algorithm, we perform spatial transformation on the floating image to complete the registration. Finally, we obtain the low-frequency sub-band and high-frequency sub-band of the image to be fused by NSCT decomposition. The low-frequency sub-band is fused by the regional energy. The high-frequency sub-bands are studied using a simplified-PCNN model and the Particle Swarm Optimization algorithm. The link strength of the simplified-PCNN is an improved Laplacian energy and the images are fused based on the number of times the pixels are ignited. The proposed method has higher average gradient (AG) value and information entropy (IE) value and lower relative global dimensional synthesis error (ERGAS) than the existing fusion methods of the fundus image. The fusion image can accurately synthesize the image information, clarify the performance of the details, and has better spectral quality in the spectral range. The image of fused provides an effective reference for the clinical diagnosis of fundus diseases.

     

基于ICP和SVD的视网膜图像特征点配准算法

视网膜图像配准是视网膜眼底疾病诊断及激光治疗中的关键一步 .针对荧光造影视网膜图像和无赤光视网膜图像的特点 ,提出一种采用迭代最近点 (ICP)和奇异值分解 (SVD)的方法 ,用于视网膜图像之间的配准 .即用 ICP算法确定两个特征点集的对应性及点集数目不等的问题 ,用 SVD方法求解空间变换参数 .实验证明在一个点集数目缺少75 %的情况下 ,算法仍然能达到较好的配准精度 ,可以满足荧光造影和无赤光视网膜图像之间的配准 ,且具有运算速度快的特点     

眼底图像质量分类综述

眼底视网膜是唯一可用肉眼直接并集中观察到动脉、静脉与毛细血管的部位,因而眼底图像成为医生诊断眼底疾病及糖尿病、高血压、高血脂等疾病的重要依据.高质量的眼底图像是医生对眼底疾病患者进行病情诊断与治疗的前提.根据眼底相机采集到的视网膜图像中眼底结构清晰度、图像对比度等条件对眼底图像质量进行分类成为一个既具有研究价值又极具挑战性的难点问题.首先简述了眼底图像质量分类的研究意义和实用价值,回顾了其发展历史;然后介绍了方法分类、每类方法的基本思想并梳理了各类方法中代表性算法及其特点;之后针对用于眼底质量分类的数据集,分析比较了主要眼底图像质量分类方法的性能.分析表明,传统方法中依据眼底结构特征判断视网膜图像质量相较于通用图像质量参数更加客观,而随着神经网络与机器学习的出现,在大数据驱动下,基于卷积神经网络的质量分类方法在准确率与鲁棒性方面性能更佳.最后对眼底图像质量分类未来的发展趋势进行展望.     

奇异值分解低通滤波眼底图像归一化

针对视网膜眼底图像归一化中的背景估计问题,提出了基于奇异值分解（Singular Value Decomposition,SVD）背景估计新方法。从原理上阐述了SVD估计背景的可行性,并在此基础上设计SVD低通滤波器实现了眼底图像的背景估计,最终实现图像的归一化。新方法在完成图像归一化的基础上,克服了传统眼底图像归一化中背景估计环节计算速度慢的特点,这对视网膜眼底图像后续处理具有重要意义。     

交互式眼底图像拼接的研究与实现

眼底照相机获取的人眼眼底图像,可以辅助医生对眼底或相关疾病进行诊断。现有眼底相机只能获取局部眼底图像,而全景眼底图像的信息更为有效、全面,可降低医生误诊率。虽然眼底图像自动拼接精度高,人工干预少,但限制因素较多尚不完善。本文提出一种交互式眼底图像拼接方法,并对具有重叠区域的眼底图像在配准时引入模板匹配法提高精度,在VC++编译环境中实现,拼接结果保留了各子图的细节信息,融合接缝区域,是有效的眼底全景图像,并可为眼底图像后续处理提供支持。     

Mandelbrot集与Julia集的图象生成算法

介绍一种在计算机上生成Ｍａｎｄｅｌｂｒｏｔ集和Ｊｕｌｉａ集图象的简易算法。该算法对计算机的软硬件要求均不高，在普通的微机以及工作站上均可实现。     

基于SIFT特征的眼底图像自动拼接

针对眼底图像对比度低、不同视场的图像间存在几何畸变等特点,提出一种基于SIFT特征的眼底图像自动拼接算法。该算法分别提取待拼接眼底图像的SIFT特征点,并用向量进行描述,确定两幅图像特征点的匹配关系,使用MLESAC算法去除误匹配点对,提出对特征点对提纯的距离-斜率相似测度方法,计算匹配点之间的透视变换矩阵,最后进行图像配准和拼接。对实际眼底照相机获取的多幅图像拼接结果表明,该算法具有很好的鲁棒性和稳健性,可以实现眼底图像的高精度自动拼接。     

基于C-V模型的眼底图像交互式杯盘分割

针对眼底图像视杯和视盘水平集分割中C-V模型自适应能力不强等问题,提出一种基于C-V模型的视盘和视杯交互式水平集分割算法。该方法通过交互方式给定不同的视盘初始轮廓和C-V模型参数,对眼底图像的杯盘进行精确地分割。实验结果表明,该方法可克服噪声污染、光照不均匀、对比度低等特点对眼底图像分割的影响,对彩色眼底图像中的视杯和视盘进行精确分割。