彩色眼底圖像微動脈瘤自動檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及彩色眼底圖像微動脈瘤自動檢測方法，該方法不受光照、對比度和細(xì) 小血管干擾所帶來的影響，對眼底圖像中大尺寸、對比度較高、背景單一的微動脈瘤和小尺 寸、對比度和靠近血管及黃斑等復(fù)雜背景的微動脈瘤都有很好的檢測效果，屬于圖像處理
技術(shù)領(lǐng)域，可應(yīng)用于眼科診斷中糖尿病視網(wǎng)膜病變的微動脈瘤的自動化檢測。
【背景技術(shù)】
[0002] 糖尿病是繼腫瘤、心血管病變之后第三大嚴(yán)重威脅人類健康的慢性疾病。糖尿病 視網(wǎng)膜病變是主要的并發(fā)癥之一，目前成為世界致盲眼病之首。微動脈瘤是糖尿病視網(wǎng)膜 病變的第一病癥，對于糖尿病視網(wǎng)膜病變的早期診斷和預(yù)防具有重要意義。臨床中對于微 動脈瘤的診斷方式主要是靠醫(yī)生在彩色眼底圖像中手動標(biāo)注，耗時費力。基于眼底圖像對 微動脈瘤進行智能化的自動檢測不僅可輔助醫(yī)生進行臨床診斷，而且有利于糖尿病視網(wǎng)膜 病變的普查。
[0003] 但在彩色眼底圖像成像時，受到拍攝條件、人眼結(jié)構(gòu)及眼底不同病變程度等客觀 因素的影響，導(dǎo)致眼底圖像中普遍存在光照不均、對比度低和多噪聲等干擾。同時由于微動 脈瘤尺寸較小、與局部組織背景對比度低，所以大大增加了微動脈瘤檢測的難度。目前針對 微動脈瘤的檢測方法已經(jīng)得到不錯的效果，但檢測結(jié)果易受到細(xì)小血管以及背景噪聲的干 擾，降低了檢測方法的準(zhǔn)確率。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是克服現(xiàn)有技術(shù)的上述不足，提供一種能夠有效排除細(xì)小血管和背 景噪聲干擾的彩色眼底圖像微動脈瘤自動檢測方法。為此，本發(fā)明采用如下的技術(shù)方案。
[0005] 彩色眼底圖像微動脈瘤自動檢測方法，包括下列步驟：
[0006] 1.獲取彩色眼底圖像，提取綠色通道，進行對比度增強；
[0007] 2.并采用圓形雙邊Gabor濾波并閾值分割，提取微動脈瘤候選者；
[0008] 3.采用低帽變換對增強結(jié)果提取主血管并移除；
[0009] 4.計算以候選者為中心的局部灰度梯度方向，計算梯度方向直方圖；
[0010] 5.依據(jù)微動脈瘤的尺寸特性，以候選者為中心，建立大小為a X a鄰域和b X b的局 部區(qū)域，分別計算兩個區(qū)域的對比度，濾除噪聲；
[0011] 6.依據(jù)微動脈瘤的類圓形結(jié)構(gòu)特性，計算候選者的圓度，剔除出血點。
[0012] 本發(fā)明具有如下的技術(shù)效果：
[0013] 1.適用性強。本發(fā)明不受眼底圖像光照、對比度和噪聲的影響，對眼底圖像質(zhì)量要 求不高，可同時適用于散瞳和免散瞳的彩色眼底圖像。
[0014] 2.準(zhǔn)確度高。本發(fā)明在檢測過程中，基于微動脈瘤的結(jié)構(gòu)和灰度特性，采用圓形雙 邊Gabor濾波提取微動脈瘤候選者，在微動脈瘤精確提取時僅移除主血管，降低漏檢，通過 計算局部梯度直方圖剔除細(xì)小血管，有效降低誤檢。
[0015] 3.本發(fā)明分別對國際針對微動脈瘤檢測提供的公共眼底數(shù)據(jù)庫和醫(yī)院提供的數(shù) 據(jù)庫進行了測試，均獲得了較好的檢測結(jié)果。
【附圖說明】
[0016] 圖1:本發(fā)明的微動脈瘤自動檢測方法流程圖。
[0017] 圖2:輸入彩色眼底圖像，提取綠色通道。圖2-1為彩色眼底圖像，圖2-2為綠色通道 圖像。
[0018] 圖3:預(yù)處理后圖像。
[0019] 圖4:主血管提取結(jié)果。
[0020] 圖5:采用圓形雙邊Gabor濾波的候選者提取結(jié)果。
[0021]圖6:主血管提取結(jié)果。
[0022] 圖7:局部梯度矢量場。圖7-1為微動脈瘤的局部梯度矢量場，圖7-2為細(xì)小血管的 局部梯度矢莖場。
[0023] 圖8:局部梯度方向直方圖。圖8-1為微動脈瘤的局部梯度方向直方圖，圖8-2為細(xì) 小血管的局部梯度方向直方圖。
[0024]圖9:微動脈瘤精確提取結(jié)果。
[0025] 圖10 :R0C庫和醫(yī)院圖庫的微動脈瘤檢測結(jié)果。圖10-1為R0C中微動脈瘤的檢測結(jié) 果，圖10-2為醫(yī)院圖庫中的微動脈瘤檢測結(jié)果。
【具體實施方式】
[0026] 本發(fā)明的流程如圖1所示，該方法首先采用對比度增強算法對彩色眼底圖像的綠 色通道進行預(yù)處理，增強對比度；然后采用低帽變換提取眼底主血管，并采用圓形雙邊 Gabor濾波并閾值分割，提取微動脈瘤候選者;然后計算以候選者為中心的局部灰度梯度， 構(gòu)建梯度方向直方圖，依據(jù)微動脈瘤梯度矢量場的方向各異性，提出細(xì)小血管，以候選者為 中心計算局部區(qū)域內(nèi)的對比度和圓度，濾除噪聲和出血點，實現(xiàn)微動脈瘤的自動檢測。下面 結(jié)合附圖，對本發(fā)明技術(shù)方案的具體實施過程加以說明。
[0027] 1.圖像預(yù)處理
[0028] 首先輸入彩色眼底圖像(如圖2-1所示），然后提取綠色通道(如圖2-2所示），采用 對比度增強算法對圖像進行預(yù)處理(如圖3所示）。
[0029] 2.微動脈瘤候選者提取
[0030] 2.1圓形雙邊Gabor濾波
[0031] 由于血管具有較強的方向性，而微動脈瘤屬于弱小目標(biāo)，并無明顯方向，當(dāng)利用傳 統(tǒng)的Gabor濾波提取微動脈瘤候選者時，血管對提取結(jié)果會產(chǎn)生極大的干擾，真正的微動脈 瘤卻常被漏檢。而圓形Gabor濾波具有良好的高斯特性，其圓形結(jié)構(gòu)與微動脈瘤相似。同時 為了抑制背景、降低背景復(fù)雜度，利用雙邊濾波可以抑制背景突出邊緣的良好特性，本發(fā)明 將圓形Gabor濾波與雙邊濾波結(jié)合，構(gòu)造圓形雙邊Gabor濾波器
[0032]
( 1 )
[0034] (2)
[0033] 其中I(i)為圖像中任意一點，j是其鄰域N中的像素點，GRe(x，y)和r(i，j，〇r)分別 是圓形Gabor濾波器的實部和亮度距離因子，為亮度距離標(biāo)準(zhǔn)差。
[0035] (3)
[0036] (4) V r J
[0037] 在預(yù)處理結(jié)果的基礎(chǔ)上進行濾波，濾波結(jié)果如圖4所示。
[0038] 2.2.閾值分割
[0039]為確定候選點集，需對濾波后結(jié)果進行閾值分割，得到候選者。微動脈瘤灰度分布 和濾波后的結(jié)果如圖5所示。由于微動脈瘤的灰度分布呈"倒高斯"狀(如圖5-1所示），其中 心的輸出響應(yīng)Center < 0或I Center I ? 0 (如圖5-2所示）。本發(fā)明依據(jù)輸出