彩色视网膜血管图像的自动分割算法

为了保证眼底测量结果的准确性、客观性、可重复性以及实用性，提出了彩色眼底图像自动分割与定量分析的算法。具体步骤如下：首先对彩色视网膜血管图像进行网格划分，其次对包含重要血管信息的网格区域实现Otsu阈值分割，在此基础上对其它相邻网格进行区域生长算法分割，最后由计算机统一处理得到视网膜血管的网络径线。实验结果表明：该算法提取的血管网络径线连续性较好，血管中心线定位准确，抗干扰能力较强，处理速度较快，具有较高的临床应用价值。     

视网膜图像中的血管自适应提取

观察和分析视网膜血管网络是分析和诊断心血管疾病的重要方法.根据视网膜血管图像的灰度分布特征,提出了一种自适应阈值分割的血管提取方法.此方法首先将视网膜图像分为若干同样大小的区域;然后计算出每一区域满足梯度要求的像素点个数;接着对所有满足梯度个数的区域计算其局部阈值,并用该局部阈值进行二值化.经过以上处理后,能得到有部分断开的血管和一些分散的碎片,再经过后处理连接断开的血管,并清除孤立的碎片,得到视网膜血管网络.实验证明:该算法处理速度较快,并能提取到大部分血管主干.     

基于改进Res-UNet的视网膜图像血管分割

精准的视网膜血管分割可以辅助诊疗如糖尿病、高血压等疾病。眼睛血管结构和病理特征的复杂性导致血管分割的精度和速度都存在很多局限。为了克服这一问题,提出了一种改进的U-net分割方法,该方法将U-net网络解码器和编码器中的卷积模块改为残差模块,使用非局部注意模块连接编码器和解码器。网络模型在不增加参数量的情况下,通过添加残差模块和注意力机制提高了像素之间的信息相关性以及模型提取特征的能力。最后,采用DRIVE数据集对所提模型与原U-net网络进行对比评价,新模型在测试集上的特征检测准确率、特异性、灵敏度和Dice系数分别达到了0.9679、0.9896、0.8245和0.8281。实验结果证明,所提网络模型可对视网膜进行精确地血管分割。     

基于改进U-Net的视网膜血管分割算法

在面对视网膜图像中细小血管时,现有算法存在分割精度低的问题.通过在U-Net中引入残差模块与细节增强注意力机制模块,提出了一种改进的U-Net分割算法.在编解码阶段,用残差模块取代传统的卷积模块,解决了网络随深度增加而退化的问题;同时在编码器和解码器间增加细节增强注意力机制,减少编码器输出中的无用信息,从而提高网络抓取有效特征信息的敏感度.此外,基于标准图像集DRIVE的实验结果表明,所提算法的分割准确率、灵敏度与F1 值较U-Net算法分别提高了 0.46%,2.14%,1.56%,优于传统分割算法.     

彩色眼底图像视盘自动定位与分割

针对彩色眼底图像视盘定位时图像边缘高亮环对定位准确率的影响,提出了一种有效的图像预处理方法。针对已有的视盘分割算法中存在的问题,提出了一种结合形态学、椭圆拟合及梯度矢量流(GVF)Snake模型的分割算法。提出的预处理方法首先利用最小二乘法拟合出眼底图像的边界,然后裁剪掉边界的一部分高亮像素点,最后进行视盘定位。视盘分割算法则首先进行血管擦除,然后用椭圆拟合提取初始轮廓,最后使用GVFSnake精确调整视盘边界。用提出的方法对Messidor眼底图像数据库1200幅图像上进行了实验,结果显示:视盘定位准确率由原来没经过预处理的95.4%提升到了98.7%;视盘分割错误率与当前已知最好的算法相比由12.5%降低到了9.39%。结果表明:提出的眼底图像视盘自动定位与分割方法准确率高、实用性强,可以用于眼科疾病的计算机辅助诊断。     

眼底图像动静脉宽度差变化率测量方法

眼底图像中动静脉血管的宽度变化能够体现患者糖尿病的病程情况,人工确定血管宽度及其差值耗时费力且需要丰富经验。本文针对辽宁何氏眼科医院眼病筛查系统中受检者的眼底图像提出了动静脉宽度差变化率的概念,指出了其与糖尿病诊断之间的关系,并选取RGB、LAB、YCb Cr、Gaussian 4个颜色空间中不同的通道分量,定义了新的基于血管中心线像素和血管像素的特征向量,采用线性判别分析(LDA)分类器完成了对动静脉的全自动分类,继而实现了对动静脉血管宽度测量及相应差值变化率的计算。实验结果表明,与其他算法相比,本文方法在血管分割、动静脉分类、血管宽度及差值计算等方面都较准确,其诊断结果与临床诊断基本一致,具有一定的临床应用价值。     

基于Hessian矩阵的视网膜血管中心线提取

为实现视网膜血管在临床诊断中的重要作用,提出了一种基于Hessian矩阵的视网膜血管提取方法,该方法通过图像预处理增强血管信息,利用血管的微分几何特性,采用离散高斯核对眼底图像进行卷积,结合Hessian矩阵计算血管方向,通过连接算法得到视网膜血管的分布情况.实验结果表明,该方法提取血管中心线的精度可达亚像素级,对不同眼底照相机拍摄的眼底图像可根据血管宽度进行多尺度快速分割.     

基于几何形变模型的三维肺血管图像分割方法

肺血管分割一直是重要而困难的工作,因此,提出了一种新的基于几何形变模型的三维肺血管图像分割方法。现有几何形变模型方法仅仅包含了图像区域与边缘属性中的一种,而新方法能够同时包含上述两种图像属性。首先,定位血管内外同质区域;然后,通过目标边缘能量的计算使曲面沿着图像梯度方向的二阶导数进行演化,以使其精确收敛到目标边缘;最后,根据上述步骤,建立三维血管分割形变模型。通过多组CT图像的实验表明,该方法快速、准确,对背景噪声具有较好的适应性。     

基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像

血管内超声斑块图像的分割对动脉粥样硬化疾病的诊断有重要价值。针对传统分割方法初始化和鲁棒性两个问题,提出一种基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声斑块图像的新方法。该方法运用Contourlet变换将原图像分解为多分辨率低通分量和多分辨率带通分量方向性子带。对低通分量进行模板匹配,确定血管内腔边界和中外膜边界的初始轮廓;对带通分量方向性子带进行扩散滤波,抑制噪声的同时尽可能保留有用边缘,并结合边界矢量场使轮廓演化得到最终分割结果,从而提高了分割算法的鲁棒性。对100幅仿真图像和120幅实际图像的分割结果表明,该方法能自动、精确地提取血管的两条边界。相对于传统活动轮廓模型法,该方法分割实际图像的平均距离误差提高了3.04像素,面积差异百分比提高了6.30%。     

融合下补偿结构的眼底血管图像分割网络研究

眼底血管图像在临床中通常被用于眼部疾病的诊断及监测,其中血管的形态结构能够反映疾病的重要特征,因此,眼底血管图像的分割处理对眼部疾病的诊断和预防具有十分重要的医学意义。针对目前人工智能主流算法中卷积和池化操作会导致很多特征丢失,提取特征时会忽视图像中的空间信息,图像中的细小血管很难分割出来等问题,基于U-net模型进行了相关研究,结合空间注意力模块对空间特征进行细化,同时提出了一种下补偿结构LCSAnet。该结构能够减少网络提取特征信息过程中的特征损失,从而提高分割精度。研究实验在DRIVE数据集上完成,LC-SAnet的分割准确率达到96.97%,F1值达到74.36%。结果证明,LC-SAnet表现出更好的分割性能,对细小血管的结构识别更加准确。     

光学遥感图像中复杂海背景下的舰船检测

本文针对光学遥感图像中复杂海背景下的舰船检测问题,提出一种快速精确的舰船检测方法。首先,基于最大对称环绕显著性检测完成初始目标候选区域提取,并结合一种基于元胞自动机的同步更新机制,利用图像局部相似性和舰船目标几何特征,对初始目标候选区域进行更新,并通过OTSU算法获取最终目标候选区域;然后,根据舰船目标的固有特性对方向梯度直方图特征进行改进,提出一种新的表征舰船特性的边缘-方向梯度直方图特征对舰船目标进行描述,与传统HOG特征相比,这种特征向量侧重于对边缘特征的描述,对梯度向量鲁棒性更强,并且仅为一个24维的特征向量,计算复杂度低;最后,通过构建的训练库完成AdaBoost分类器的训练,并利用训练完成后的AdaBoost分类器完成目标的最终判别确认。本文的检测算法,针对尺寸为1 024pixel×1 024pixel的遥感图像,检测时间为2.386 0s,召回率为97.4%,检测精度为97.2%。实验表明,本文提出算法的检测性能优于目前主流的舰船检测算法,在检测时间和检测精度上都能够满足实际工程需要。     

心血管造影图像的分割与诊断

针对心血管造影图像,提出了一种新的血管分割方法,并实现了血管狭窄位置的自动诊断。血管分割中提出了基于Hessian矩阵多尺度增强的新血管函数,在增强的特征图上采用了种子点的自动化选取和双阶段区域增长的分割方法提取了血管轮廓。在此基础上进行了血管骨架提取,骨架点搜索和直径测量,实现了全自动的狭窄诊断。实验结果表明,新的血管分割方法能够提取出较精准的主分支轮廓,对细小血管也有良好的增强和分割效果,血管狭窄的自动诊断,计算速度快,诊断结果较准确,能够对医生的最终判断提供辅助参考和量化依据。     

基于U型卷积网络的视网膜血管分割方法

视网膜血管的结构信息对眼科疾病的诊断具有重要的指导意义,对视网膜血管图像进行高效正确的分割成为临床的迫切需求。为此,提出了一种U型卷积网络,实现了更高效的自动化视网膜血管分割。骨干网络基于经典的编解码架构,编码器采用预训练的残差模块充分提取每一层的特征,解码器通过转置卷积逐层进行上采样,增加了特征的复用性。网络在中间层...     

基于颜色的足球机器人视觉跟踪算法

针对机器人足球比赛环境中彩色视觉系统的实时性要求,利用了一种基于YUV色彩空间的利用改进的阈值向量的颜色判断方法,采用种子点区域生长的填充算法,并在此基础上运用卡尔曼滤波算法对目标进行跟踪,提出了一种新的测量值获取方法,该方法大大减少了计算量.实验结果证明该算法具有较好的实时性和抗干扰性.     

自适应脉冲耦合神经网络与匹配滤波器相结合的视网膜血管分割

针对眼底图像中血管与背景间对比度低以及血管自身结构复杂等因素对视网膜血管分割所带来的问题,本文提出了一种具有自适应连接值的脉冲耦合神经网络(PCNN)与高斯匹配滤波器相结合的视网膜血管分割方法。首先,利用对比度受限制的自适应直方图均衡化(CLAHE)技术与二维高斯匹配滤波器对血管区域的对比度进行有效增强。然后,利用经验阈值选择出一定的血管区域作为初始种子区域。接着,将带有快速连接机制的PCNN与种子区域增长思想相结合,通过自适应动态设置PCNN中的连接强度系数和停止条件,实现眼底图像中血管区域的自动生长。整个算法在DRIVE视网膜图像库中进行了测试,实验结果表明,相比于不使用动态连接强度系数与停止条件的方法,所提出算法的灵敏度从49.79%提高至70.39%,准确度从95%提高到95.39%。证明了该算法具有较好的分割精确度和应用价值。