论文部分内容阅读
眼底视网膜图像中的血管自动分割检测,对临床辅助医学诊断具有及其重要的意义。传统分割算法需要在图像的预处理阶段进行滤波除噪的工作,但其忽略了图像中微弱的血管信号同时被滤除的可能性,将造成视盘边缘部分微细血管的漏检。考虑到微弱信号、附加噪声与非线性系统三者协同的随机共振机制具有增强弱信号的作用,因此本文引入随机共振机制来实现微弱血管的自动分割检测。首先介绍了随机共振的理论原理,验证了随机共振机制在增强弱信号上的优越性能。然后提出了眼底视网膜血管多级分割的随机共振方法,先进行全局意义上的随机共振响应实现高对比度粗血管的检测,然后重新定义输入信号为屏蔽全局检测结果的局部图像,实现低对比度微细血管的增强检测,完成多级随机共振分割检测。最后提出了基于尺度分解的眼底血管随机共振检测方法,将图像进行尺度分解,对包含细节信息的高频信号进行随机共振增强实现微细血管分割检测,融合低频图像信号后得到最终的血管分割检测结果。本文的主要研究工作和成果如下所示:(1)给出了并联双稳态模型实现图像弱信号增强的方案,使用并联的双稳态模型分别处理不同扫描方式得到的图像一维序列,较传统随机共振增强方法更加提升了图像信号的增强效果。然后让原始图像信号被强噪声湮没来模拟弱信号,分别使用各种传统的滤波增强方法和随机共振增强方法来对图像弱信号进行增强,并通过定性与定量的比较来说明并验证随机共振机制在增强弱信号上的优越性能。(2)提出了一种基于随机共振机制的眼底视网膜血管多级分割方法。首先用图像信号和附加噪声,获取全局意义下的FHN神经元非线性模型的最佳随机共振响应,对高等级强度信号进行检测;然后将输入信号定义为去除高对比度血管的局部图像,优化参数后,再对低等级强度信号进行检测。最后融合多级随机共振响应,得到眼底视网膜血管的分割结果。对DRIVE图像库进行了测试,实验结果表明新方法对低对比度的微细血管具有较好的分割效果。新方法不仅充分利用了噪声对于弱信号检测与分割作用,也为如何实现医学影像的多级分割和识别提供了一种新的思路。(3)提出了基于尺度分解的眼底血管图像随机共振检测方法。通过非下采样轮廓波变换将眼底图像进行多尺度多方向分解,将图像分解为包含了粗血管基本轮廓的低频子带图像和包含了微细血管信息和噪声信息的高频分量子带图像。对高频子带图像中的微细血管信号进行最优随机共振响应增强检测,融合低频信号实现完整的血管分割检测。在DRIVE图像库20张训练集中进行实验,得到Acc、Sn、Sp和IoU平均值分别为0.9162、0.6832、0.9421和0.5301。