基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法
【專利摘要】本發(fā)明公開了一種基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法，包括步驟：對(duì)原始視網(wǎng)膜圖像進(jìn)行灰度化處理，再進(jìn)行二維多尺度高斯濾波；利用濾波后的信息計(jì)算梯度合成向量；計(jì)算圖像每一點(diǎn)在不同尺度下的梯度方向參數(shù)、每一點(diǎn)的梯度幅值參數(shù)、每一點(diǎn)的灰度參數(shù)；計(jì)算得到基于對(duì)稱性的多尺度視網(wǎng)膜血管濾波增強(qiáng)函數(shù)，使用該血管函數(shù)對(duì)視網(wǎng)膜圖像進(jìn)行濾波，達(dá)到視網(wǎng)膜血管濾波增強(qiáng)的效果。本發(fā)明能對(duì)視網(wǎng)膜血管結(jié)構(gòu)進(jìn)行增強(qiáng)，同時(shí)可以有效抑制視盤等非血管結(jié)構(gòu)，對(duì)視網(wǎng)膜圖像血管分割、視網(wǎng)膜圖像分析以及視網(wǎng)膜圖像的配準(zhǔn)中有重要的輔助處理和實(shí)際應(yīng)用價(jià)值。
【專利說明】基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，特別涉及一種基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法。

【背景技術(shù)】
[0002]視網(wǎng)膜是一種重要的人體組織，是人體循環(huán)系統(tǒng)的重要組成部分，也是人體少數(shù)可以通過非侵入方式獲得圖像的組織結(jié)構(gòu)。通過眼底照相技術(shù)，可以直接獲取到視網(wǎng)膜血管的圖像，如圖1A、圖2A、圖3A和圖4A所示，這些血管信息在全身很多疾病的診斷與治療中起著至關(guān)重要的作用。作為人體循環(huán)系統(tǒng)的一個(gè)重要組成部分，視網(wǎng)膜血管網(wǎng)絡(luò)形態(tài)結(jié)構(gòu)的變化也可以間接了解到很多全身的其它疾病情況。通過了解視網(wǎng)膜血管的各種情況，例如動(dòng)靜脈管徑變化、走行是否彎曲、交叉壓迫的程度、反光帶的寬窄、有無血管鞘和視網(wǎng)膜出血等，在一定程度上可以了解到腦、心、腎等重要器官的血管狀況，為高血壓的診斷、分期、治療及療效評(píng)估提供可靠的依據(jù)。因此，視網(wǎng)膜圖像中血管的檢測(cè)，有助于為疾病的早期診斷和治療提供科學(xué)依據(jù)，具有很重要的臨床使用價(jià)值。視網(wǎng)膜血管存在大量的噪聲和病變組織，這對(duì)于視網(wǎng)膜血管的分割產(chǎn)生很大的影響，因此在對(duì)視網(wǎng)膜血管分割之前一個(gè)很關(guān)鍵的步驟是對(duì)血管圖像進(jìn)行濾波和增強(qiáng)，經(jīng)過濾波后的圖像再進(jìn)行分割就會(huì)得到一個(gè)較好的結(jié)果，所以對(duì)于視網(wǎng)膜血管圖像的濾波增強(qiáng)一直是一個(gè)重點(diǎn)和難點(diǎn)問題。本發(fā)明提出的基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法能夠有效地對(duì)視網(wǎng)膜圖像的血管結(jié)構(gòu)起到濾波和增強(qiáng)的效果，同時(shí)有效的抑制視盤等非血管結(jié)構(gòu)，為視網(wǎng)膜圖像的后期處理起到一個(gè)關(guān)鍵的作用。


【發(fā)明內(nèi)容】

[0003]由上可知，視網(wǎng)膜圖像血管分割是視網(wǎng)膜處理的一個(gè)重要的組成部分，對(duì)視網(wǎng)膜血管進(jìn)行分割的很關(guān)鍵的一個(gè)步驟是對(duì)血管圖像進(jìn)行濾波增強(qiáng)，同時(shí)抑制非血管結(jié)構(gòu)的響應(yīng)，通過濾波增強(qiáng)后再對(duì)視網(wǎng)膜血管圖像進(jìn)行分割可以得到更好地分割效果。本發(fā)明的目的就在于提供一種基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法，使得視網(wǎng)膜圖像的血管結(jié)構(gòu)能夠得到增強(qiáng)，同時(shí)有效抑制非血管結(jié)構(gòu)的響應(yīng)。
[0004]為達(dá)到上述目的，本發(fā)明提供了一種基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法，該方法包括以下步驟:
[0005]步驟S1:獲得視網(wǎng)膜灰度圖像I (X，y)；
[0006]步驟S2:用二維多尺度高斯濾波器G(X，y, s)對(duì)于所述視網(wǎng)膜灰度圖像I (x，y)進(jìn)行濾波，得到高斯濾波圖像Ve(X，y, s)，其中，X，y表示圖像中某一點(diǎn)的坐標(biāo)，s為對(duì)應(yīng)的尺度；
[0007]步驟S3:基于得到的高斯濾波圖像Ve(X，y，s)計(jì)算旋轉(zhuǎn)后的梯度合成向量T(x, y, s)；
[0008]步驟S4:計(jì)算所述視網(wǎng)膜灰度圖像I (X，y)中的每一點(diǎn)在不同尺度下的梯度方向參數(shù) D(x, y, s)；
[0009]步驟S5:計(jì)算所述視網(wǎng)膜灰度圖像I (X，y)中的每一點(diǎn)在不同尺度下的梯度幅值參數(shù) M(x, y, s)；
[0010]步驟S6:計(jì)算所述視網(wǎng)膜灰度圖像I (X，y)中的每一點(diǎn)在不同尺度下的灰度參數(shù)I (X，y, s)；
[0011]步驟S7:根據(jù)所述梯度合成向量G(X，y, s)、梯度方向參數(shù)D (x, y, s)、梯度幅值參數(shù)M(x，y, s)、灰度參數(shù)I (X，y, s)，計(jì)算得到基于對(duì)稱性的多尺度視網(wǎng)膜血管濾波增強(qiáng)函數(shù)F(x, y, s)，利用所述血管濾波增強(qiáng)函數(shù)對(duì)于所述視網(wǎng)膜灰度圖像進(jìn)行濾波，得到經(jīng)過濾波和增強(qiáng)的視網(wǎng)膜圖像。
[0012]本發(fā)明提供的基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法，是視網(wǎng)膜血管分割的預(yù)處理技術(shù)，通過對(duì)視網(wǎng)膜血管的濾波增強(qiáng)，可以使得視網(wǎng)膜血管的分割更加準(zhǔn)確，減少噪聲的干擾，對(duì)視網(wǎng)膜圖像的后期處理，比如視網(wǎng)膜圖像配準(zhǔn)，視網(wǎng)膜血管跟蹤等相關(guān)方面有重要的應(yīng)用價(jià)值。
[0013]另外，本發(fā)明提供的基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法，能夠?yàn)橐暰W(wǎng)膜疾病的診斷提供最重要的視網(wǎng)膜血管分析結(jié)果，對(duì)青光眼、糖尿病、高血壓等疾病的篩選和預(yù)防具有重要的作用。
[0014]綜上，本發(fā)明旨在對(duì)視網(wǎng)膜圖像的血管結(jié)構(gòu)進(jìn)行濾波和增強(qiáng)，以便于視網(wǎng)膜圖像的分割和配準(zhǔn)等后處理。實(shí)驗(yàn)結(jié)果顯示，本發(fā)明方法對(duì)于視網(wǎng)膜圖像的血管結(jié)構(gòu)有著明顯的增強(qiáng)效果，同時(shí)有效地抑制了視網(wǎng)膜圖像的非血管結(jié)構(gòu)。

【專利附圖】

【附圖說明】
[0015]圖1為本發(fā)明基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法的流程圖；
[0016]圖2A為眼底照相機(jī)拍攝的視網(wǎng)膜圖像，圖2B為根據(jù)本發(fā)明方法對(duì)圖2A所示視網(wǎng)膜圖像進(jìn)行濾波增強(qiáng)得到的視網(wǎng)膜圖像；
[0017]圖3A為眼底照相機(jī)拍攝的另一幅視網(wǎng)膜圖像，圖3B為根據(jù)本發(fā)明方法對(duì)圖3A所示視網(wǎng)膜圖像進(jìn)行濾波增強(qiáng)得到的視網(wǎng)膜圖像；
[0018]圖4A為眼底照相機(jī)拍攝的另一幅視網(wǎng)膜圖像，圖4B為根據(jù)本發(fā)明方法對(duì)圖4A所示視網(wǎng)膜圖像進(jìn)行濾波增強(qiáng)得到的視網(wǎng)膜圖像；
[0019]圖5A為眼底照相機(jī)拍攝的另一幅視網(wǎng)膜圖像，圖5B為根據(jù)本發(fā)明方法對(duì)圖5A所示視網(wǎng)膜圖像進(jìn)行濾波增強(qiáng)得到的視網(wǎng)膜圖像。

【具體實(shí)施方式】
[0020]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。
[0021]本發(fā)明提出一種基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法，該方法的基本思路為:用二維多尺度高斯濾波器對(duì)視網(wǎng)膜灰度圖像I(x，y)進(jìn)行濾波，得到高斯濾波圖像Vg(x, y, s);利用高斯濾波圖像Ve(x, y, s)計(jì)算旋轉(zhuǎn)后的梯度合成向量G(x, y, s);計(jì)算圖像I(x，y)每一點(diǎn)在不同尺度下的梯度方向參數(shù)D (X，y, s);計(jì)算圖像I(x，y)每一點(diǎn)在不同尺度下的梯度幅值參數(shù)M(x, y, s);計(jì)算圖像I(x，y)每一點(diǎn)在不同尺度下的灰度參數(shù)I (X, y, s);計(jì)算得到基于對(duì)稱性的多尺度視網(wǎng)膜血管濾波增強(qiáng)函數(shù)F(x，y, s)，使用該血管函數(shù)對(duì)視網(wǎng)膜圖像進(jìn)行濾波，從而達(dá)到視網(wǎng)膜血管濾波增強(qiáng)的效果。
[0022]圖1為本發(fā)明基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法的流程圖，如圖1所示，所述方法包括以下步驟:
[0023]步驟S1:獲得視網(wǎng)膜灰度圖像I (X，y)；
[0024]獲得視網(wǎng)膜灰度圖像的方法有很多，比如通過眼底照相機(jī)拍攝得到視網(wǎng)膜彩色圖像，然后對(duì)于該視網(wǎng)膜彩色圖像進(jìn)行灰度化(比如取綠色通道)就可以得到視網(wǎng)膜灰度圖像。視網(wǎng)膜灰度圖像的獲取不是本發(fā)明的重點(diǎn)，因此，本發(fā)明對(duì)其不作過多描述。
[0025]步驟S2:用二維多尺度高斯濾波器G(X，y, s)對(duì)于所述視網(wǎng)膜灰度圖像I (x，y)進(jìn)行濾波，得到高斯濾波圖像Ve(X，y, s)，其中，X，y表示圖像中某一點(diǎn)的坐標(biāo)，s為對(duì)應(yīng)的尺度；
[0026]其中，經(jīng)過所述二維多尺度高斯濾波器G(x，y，s)濾波后，在x方向得到的濾波結(jié)果表示為

【權(quán)利要求】
1.一種基于對(duì)稱性的視網(wǎng)膜血管濾波增強(qiáng)方法，其特征在于，該方法包括以下步驟: 步驟S1:獲得視網(wǎng)膜灰度圖像I (X，y)； 步驟S2:用二維多尺度高斯濾波器G (X，y, s)對(duì)于所述視網(wǎng)膜灰度圖像I (X，y)進(jìn)行濾波，得到高斯濾波圖像Ve(X，y, s),其中，X，y表示圖像中某一點(diǎn)的坐標(biāo)，s為對(duì)應(yīng)的尺度；步驟S3:基于得到的高斯濾波圖像Ve(X，y, s)計(jì)算所述視網(wǎng)膜灰度圖像的梯度合成向量 T(x, y, s)； 步驟S4:計(jì)算所述視網(wǎng)膜灰度圖像I (x，y)中的每一點(diǎn)在不同尺度下的梯度方向參數(shù)D(x, y, s)； 步驟S5:計(jì)算所述視網(wǎng)膜灰度圖像I (x，y)中的每一點(diǎn)在不同尺度下的梯度幅值參數(shù)M(x, y, s)； 步驟S6:計(jì)算所述視網(wǎng)膜灰度圖像I(x，y)中的每一點(diǎn)在不同尺度下的灰度參數(shù)I U，y, s)； 步驟S7:根據(jù)所述梯度合成向量G(x, y, s)、梯度方向參數(shù)D(x, y, s)、梯度幅值參數(shù)M(x, y, s)、灰度參數(shù)I (X，y, s)，計(jì)算得到基于對(duì)稱性的多尺度視網(wǎng)膜血管濾波增強(qiáng)函數(shù)F(x, y, s)，利用所述血管濾波增強(qiáng)函數(shù)對(duì)于所述視網(wǎng)膜灰度圖像進(jìn)行濾波，得到經(jīng)過濾波和增強(qiáng)的視網(wǎng)膜圖像。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，用二維多尺度高斯濾波器G(x，y，s)對(duì)于所述視網(wǎng)膜灰度圖像I (X，y)進(jìn)行濾波后，X方向上得到的濾波結(jié)果為
，y方向得到的濾波結(jié)果為
，其中，* 表示卷積操作。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述二維多尺度高斯濾波器G(x，y，s)的大小為6*6，均方誤差σ = 3，尺度S從0.2到3。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S3中，T(X，y, s)=gx(x, y, s)+gy (x, y, s)。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S3中，采用平行四邊形法則對(duì)于X、y方向上得到的濾波向量進(jìn)行相加操作。
6.根據(jù)權(quán)利要求1或5所述的方法，其特征在于，所述步驟S3中，首先對(duì)于X、y方向上得到的濾波向量分別正向和逆向旋轉(zhuǎn)90°，然后再進(jìn)行相加處理。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S4中，所述梯度方向參數(shù)D (X，y, s)表不為:
D (X，y, s) = I cos ( Z (gx (X，y, s)，gy (x, y, s))), 其中，Z表不兩個(gè)向量的角度。
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S5中，所述梯度幅值參數(shù)M(x, y, s)表示為:
其中，Sm為梯度幅值標(biāo)準(zhǔn)差。
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S6中，所述灰度參數(shù)I(X，y, s)表示為:
其中，δ j為灰度標(biāo)準(zhǔn)差J1U, y, s)，i2(x, y, s)為對(duì)稱的兩個(gè)像素點(diǎn)的灰度值。
10.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S7中，多尺度視網(wǎng)膜血管濾波增強(qiáng)函數(shù)F(x，y，s)表示為:
其中，S表示尺度，Smin, Smax分別表示尺度空間中的最大和最小尺度。
【文檔編號(hào)】G06T5/00GK104077754SQ201410315974
【公開日】2014年10月1日 申請(qǐng)日期:2014年7月3日 優(yōu)先權(quán)日:2014年7月3日
【發(fā)明者】田捷, 李國棟, 楊彩云, 徐敏 申請(qǐng)人:中國科學(xué)院自動(dòng)化研究所