一種基于延展性主動輪廓模型的眼底圖像血管分割方法
【技術領域】
[0001] 本發(fā)明屬于醫(yī)學圖像、計算機視覺和數(shù)字圖像處理技術領域，具體設及一種基于 延展性主動輪廓模型的眼底圖像血管分割方法。
【背景技術】
[0002] 醫(yī)學眼底視網(wǎng)膜圖像的血管檢測對屯、腦血管疾病的診斷和治療在臨床上具有重 要的指導意義，血管分割結果的好壞直接影響到眼底檢測的準確性，同時也影響到后續(xù)其 他處理和分析的結果；
[0003] 目前，研究者在醫(yī)學眼底像血管分割方面提出了大量的不同算法，大致可W分為 如下幾類；基于窗口處理的方法、基于分類的方法和基于跟蹤的方法等；基于窗口處理的 方法首先對每一個像素在給定的模型下用包圍該像素的窗口區(qū)域中像素進行匹配估計，或 者把圖像劃分成很多同樣尺寸的子圖像，然后在每個子圖像中分別計算，該種方法需要對 圖像中的每個像素處理，在每個像素處需要進行大量的操作，計算量隨著圖像的增大而迅 速增加，而且該類算法受噪聲的影響比較大；基于分類的方法首先利用低層圖像處理方法 進行簡單分割，將圖像區(qū)域分為血管類或非血管類，然后再通過監(jiān)督學習的方法進一步確 認血管，該種算法可用于分割之后的評估，其缺點是血管的不同尺度特性不能用來驅動精 確分割；基于跟蹤的方法首先確定一個初始的種子點，然后從種子點開始探測局部的圖像 性質來迭代跟蹤血管，其缺點是現(xiàn)有的跟蹤算法不能很好地分割分支和交叉處的血管，其 可靠性嚴重依賴于所確定的初始種子點和方向；
[0004] 受醫(yī)學圖像成像模式多樣、圖像噪聲、血管形態(tài)復雜和血管邊緣對比度低等因素 影響，目前尚無一種通用的醫(yī)學眼底像血管分割算法，因此，對眼底像分割方法的研究不僅 具有深遠的理論意義，而且具有廣泛的實用意義。
【發(fā)明內容】
[0005] 針對現(xiàn)有技術的不足，本發(fā)明提出一種基于延展性主動輪廓模型的眼底圖像血管 分割方法，W達到血管精確分割的目的。
[0006] 一種基于延展性主動輪廓模型的眼底圖像血管分割方法，包括W下步驟：
[0007] 步驟1、根據(jù)圖像灰度概率密度，對眼底圖像進行亮度均衡；
[000引步驟2、根據(jù)Hessian矩陣的特征向量，對眼底圖像中的血管部分進行增強；
[0009] 步驟3、確定增強后的眼底圖像邊緣點的曲率分布，進而在增強后的眼底圖像中剔 除眼球邊緣輪廓；
[0010] 步驟4、通過建立延展性主動輪廓模型的方式，對增強后的眼底圖像進行分割，從 而提取眼底圖像血管；
[0011] 具體步驟如下：
[0012] 步驟4-1、根據(jù)響應函數(shù)，確定增強后眼底圖像響應方向場；
[0013] 步驟4-2、根據(jù)增強后眼底圖像響應方向場，建立延展性主動輪廓模型的延展項；
[0014] 步驟4-3、將所獲延展項與測地線模型相結合，建立延展性主動輪廓模型；
[0015] 步驟4-4、用差分法將延展性主動輪廓模型進行離散化處理，并設置延展性主動輪 廓模型中水平集函數(shù)的初始值，將上述初始值代入延展性主動輪廓模型中進行迭代；
[0016] 步驟4-5、判斷相鄰兩次迭代獲得的水平集函數(shù)之間的差值是否小于設定值，若 是，則獲得延展性主動輪廓模型的穩(wěn)定解，該穩(wěn)定解中的零水平集函數(shù)即為眼底血管邊緣， 否則，繼續(xù)進行迭代；
[0017] 步驟4-6、完成眼底圖像的分割，并提取眼底圖像血管。
[001引步驟4-1所述的響應方向場，該場中每一個點的方向，由該點的Hessian矩陣特征 向量決定。
[0019] 步驟4-2所述的延展項，公式如下：
[0020] F = y〇.(l + AA).|;s'i.^| Cl)
[002U 其中，F(xiàn)表示延展性主動輪廓模型的延展項，V。表示響應函數(shù)，A表示權重系數(shù)， k表示眼球邊緣輪廓的曲率，；表示某一點的化ssian矩陣的其中一個特征向量，S表示尺 度因子，方表示單位法向量。
[0022] 步驟4-3所述的延展性主動輪廓模型公式如下：
[0023] 0Z二g(/)W 701+▽各(/)-▽(/)+ F (2)
[0024] 其中，▽為梯度算子，4,表示水平集函數(shù)，t表示時間，即迭代次數(shù)；k表示眼球邊 緣輪廓的曲率，F(xiàn)表示延展性主動輪廓模型的延展項，g(I)函數(shù)是關于眼底圖像I梯度的遞 減函數(shù)，稱為邊緣檢測函數(shù)，公式如下：
[00 巧]
【主權項】
1. 一種基于延展性主動輪廓模型的眼底圖像血管分割方法，其特征在于，包括以下步 驟： 步驟1、根據(jù)圖像灰度概率密度，對眼底圖像進行亮度均衡； 步驟2、根據(jù)海森矩陣的特征向量，對眼底圖像中的血管部分進行增強； 步驟3、確定增強后的眼底圖像邊緣點的曲率分布，進而在增強后的眼底圖像中剔除眼 球邊緣輪廓； 步驟4、通過建立延展性主動輪廓模型的方式，對增強后的眼底圖像進行分割，從而提 取眼底圖像血管； 具體步驟如下： 步驟4-1、根據(jù)響應函數(shù)，確定增強后眼底圖像響應方向場； 步驟4-2、根據(jù)增強后眼底圖像響應方向場，建立延展性主動輪廓模型的延展項； 步驟4-3、將所獲延展項與測地線模型相結合，建立延展性主動輪廓模型； 步驟4-4、用差分法將延展性主動輪廓模型進行離散化處理，并設置延展性主動輪廓模 型中水平集函數(shù)的初始值，將上述初始值代入延展性主動輪廓模型中進行迭代； 步驟4-5、判斷相鄰兩次迭代獲得的水平集函數(shù)之間的差值是否小于設定值，若是，則 獲得延展性主動輪廓模型的穩(wěn)定解，該穩(wěn)定解中的零水平集函數(shù)即為眼底血管邊緣，否則， 繼續(xù)進行迭代； 步驟4-6、完成眼底圖像的分割，并提取眼底圖像血管。
2. 根據(jù)權利要求1所述的基于延展性主動輪廓模型的眼底圖像血管分割方法，其特征 在于，步驟4-1所述的響應方向場，該場中每一個點的方向，由該點的海森矩陣特征向量決 定。
3. 根據(jù)權利要求1所述的基于延展性主動輪廓模型的眼底圖像血管分割方法，其特征 在于，步驟4-2所述的延展項，公式如下： F = P0-(l + Xk}\usJ-N\ (1) 其中，F(xiàn)表示延展性主動輪廓模型的延展項，v。表示響應函數(shù)，λ表示權重系數(shù)，k表 示眼球邊緣輪廓的曲率，Ms, 1表示某一點的海森矩陣的其中一個特征向量，s表示尺度因子， ^表示單位法向量。
4. 根據(jù)權利要求1所述的基于延展性主動輪廓模型的眼底圖像血管分割方法，其特征 在于，步驟4-3所述的延展性主動輪廓模型公式如下：
其中，▽為梯度算子，表示水平集函數(shù)，t表示時間，即迭代次數(shù)；k表示眼球邊緣輪 廓的曲率，F(xiàn)表示延展性主動輪廓模型的延展項，g(I)函數(shù)是關于眼底圖像I梯度的遞減函 數(shù)，稱為邊緣檢測函數(shù)，公式如下：
其中，L2表示L 2范數(shù)，p為指數(shù)，p彡1，G。為Gaussian核函數(shù)。
【專利摘要】本發(fā)明一種基于延展性主動輪廓模型的眼底圖像血管分割方法，屬于醫(yī)學圖像、計算機視覺和數(shù)字圖像處理技術領域，本發(fā)明利用眼底血管呈線狀這一特征，利用Hessian矩陣的特征向量找到線狀目標的方向，構建方向場，并沿該方向對血管進行增強；采用延展性主動輪廓分割模型對眼底血管進行分割，方向場使模型可以跨越由于血管亮度不均引起的斷裂血管間隙；本發(fā)明利用相應方向場引導曲線演化，可以演血管精確分割；本發(fā)明對眼底像進行亮度均衡處理，保證模型在亮度不均勻眼底像中實現(xiàn)對血管的準確提??；本發(fā)明利用眼球邊緣曲率相等這一特征，有效去除血管分割時眼球邊緣的影響，對低對比度圖像有很好的分割結果。
【IPC分類】G06T7-00
【公開號】CN104867151
【申請?zhí)枴緾N201510274619
【發(fā)明人】李若溪, 唐延東, 叢楊, 齊飛, 范慧杰
【申請人】沈陽市第四人民醫(yī)院
【公開日】2015年8月26日
【申請日】2015年5月26日