本发明专利技术公开了一种基于多尺度多方向的视网膜图像增强算法，该方法包括以下步骤：对输入的原始RGB视网膜图像进行预处理，将原始RGB视网膜图像分解成红、绿、蓝三通道图像，提取视网膜图像的绿色通道图像；对视网膜图像的绿色通道图像进行多尺度Hessian矩阵滤波，得到多尺度增强图像；对视网膜图像的绿色通道图像进行多方向二维匹配滤波，得到多方向增强图像；将多尺度增强图像和多方向增强图像进行融合，得到最终的视网膜增强图像结果。本发明专利技术利用多尺度Hessian矩阵对视网膜图像中指定宽度范围内的血管进行增强，同时利用多方向二维匹配滤波对视网膜图像中12个不同方向的血管进行增强，然后将以上两个增强结果进行融合，从而实现图像的最终增强。
【技术实现步骤摘要】
本专利技术涉及图像分割技术，尤其涉及一种基于多尺度多方向的视网膜图像增强算 法。
技术介绍
视网膜血管作为人体唯一能无损观察到的较深层微血管，其特征变化不仅可以反 映多种眼科疾病，还可反映全身血管类相关疾病，如高血压、糖尿病、动脉硬化等。对视网膜 血管图像进行观察和分析，将为相关疾病的及时发现与治疗提供重要依据与帮助。然而，受 视网膜血管结构、成像环境、设备及噪声的影响，得到的视网膜血管图像往往质量较差，难 以直接用于医学诊断。因此，在使用前需要对视网膜图像进行增强处理。 视网膜图像中血管的增强算法常用的有基于直方图均衡化的方法、基于数学 形态学的方法、基于Hessian矩阵的方法以及基于匹配滤波器的方法。Rear在论文 《Realization of the Contrast Limited Adaptive Histogram Equalization (CLAHE) for Real-Time Image Enhancement》中提出了一种对比度受限自适应直方图均衡的方法，该 方法对于灰度级动态范围较窄的原始图像增强效果不明显，并且容易在图像灰度级差异较 大的区域产生伪影现象。Angulo Jesus 在论文《Realization of the Contrast Limited Adaptive Histogram Equalization(CLAHE)for Real-Time Image Enhancement》中提出了 一种基于灰度图像的数学形态学操作，可以有效的提取图像亮、暗区域以及对图像亮、暗区 域进行滤波。然而上述两种视网膜血管增强的方法过度依赖于图像的灰度信息，没有考虑 到血管的宽度和方向存在变化这两个问题。因此，Frangi等人在论文《Multiscale vessel enhancement filtering》中提出了一种基于多尺度Hessian矩阵的血管增强方法，并定义 了二维和三维血管响应函数。该方法明显优于单尺度的血管分析，但其血管响应函数依赖 于参数的选择，并且文中没有给出选择的依据。该方法虽然采用多尺度技术解决了血管宽 度变化这一问题，但是同样没有考虑到血管方向存在变化这个问题。同样，Al-Rawi等人在 论文〈〈An improved matched filter for blood vessel detection of digital retinal images》中提出了一种基于二维匹配滤波器的视网膜图像增强方法，通过使用多个方向的 高斯核函数来增强相应方向的血管。该方法虽然采用多方向技术解决了血管方向变化这一 问题，但是同样没有考虑到血管宽度存在变化这个问题。 因此，考虑到血管具有宽度不一和方向任意的特点，本文提出了一种基于多尺度 多方向的血管增强方法。该方法通过视网膜图像分别进行多尺度和多方向滤波操作，然后 将二者结果进行融合，能够有效增强图像。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种基于多尺度多方 向的视网膜图像增强算法。 本专利技术解决其技术问题所采用的技术方案是：、一种基于多尺度多方向的视网膜 图像增强算法，包括以下步骤： SI:对输入的原始RGB视网膜图像进行预处理，将原始RGB视网膜图像分解成红、 绿、蓝三通道图像，提取视网膜图像的绿色通道图像； S2:对视网膜图像的绿色通道图像进行多尺度Hessian矩阵滤波，得到多尺度增 强图像； S3:对视网膜图像的绿色通道图像进行多方向二维匹配滤波，得到多方向增强图 像； S4:将多尺度增强图像和多方向增强图像进行融合，得到最终的视网膜增强图像 结果。 按上述方案，所述步骤S2)中的多尺度Hessian矩阵滤波方法如下： 输入绿通道图像，产生像素矩阵T，对于绿通道图像的每一个像素，首先初始化空 间尺度σ的范围、迭代步长、滤波器的增强因子β和c ; 如果σ没有满足停止条件，那么根据公式生成Hessian矩阵，然后根据血管相似 滤波器计算增强滤波的输出值Z。，接着迭代 〇，判断〇是否满足停止条件； 如果σ满足停止条件，则选取最大增强滤波输出值作为该像素的增强因子； 按上述方案，所述步骤S2)中的多方向二维匹配滤波方法如下： 输入绿通道图像，产生像素矩阵Τ，对于绿通道图像的每一个像素，首先初始化方 向因子Θ的范围和迭代步长； 如果Θ没有满足停止条件，那么对于每个Θ求得相应的高斯核模板，将计算得到 的高斯核模板与T进行卷积，得卷积结果Z θ;迭代Θ的值，判断Θ是否满足停止条件； 如果满足停止条件，则选取所有方向相应像素的最大值作为该像素的增强因子； 按上述方案，所述步骤S3)中的融合方法为：对比分析每一个像素 t的相应位置 多尺度增强结果和多方向增强结果的值，选取两者中较大值作为t的增强结果，从而得到 最终的增强结果。 按上述方案，所述步骤S2)中还包括对多尺度增强图像进行灰度拉伸的步骤。 按上述方案，所述步骤S3)中还包括对多方向增强图像进行灰度拉伸的步骤。 本专利技术产生的有益效果是： 1.本专利技术解决了血管的宽度和方向存在变化这两个问题，利用多尺度Hessian矩 阵对视网膜图像中指定宽度范围内的血管进行增强，同时利用多方向二维匹配滤波对视网 膜图像中12个不同方向的血管进行增强，然后将以上两个增强结果进行融合，从而实现图 像的最终增强。【附图说明】 下面将结合附图及实施例对本专利技术作进一步说明，附图中： 图1为本专利技术实施例的方法流程图； 图2为本专利技术实施例的视网膜图像的尺度增强结果； 图3为本专利技术实施例的视网膜图像的尺度增强结果； 图4为本专利技术实施例的视网膜图像的尺度增强结果； 图5为本专利技术实施例的视网膜图像的多尺度增强结果； 图6为本专利技术实施例的视网膜图像的多方向增强结果； 图7为本专利技术实施例的视网膜图像的多方向增强结果； 图8为本专利技术实施例的视网膜图像的多方向增强结果； 图9为本专利技术实施例的视网膜图像的多方向增强结果； 图10为视网膜图像的多尺度与多方向局部增强结果的融合过程图。【具体实施方式】 为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术 进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限 定本专利技术。 本专利技术的目的是提供一种，解决血管的 宽度和方向存在变化这两个问题，利用多尺度Hessian矩阵对视网膜图像中指定宽度范围 内的血管进行增强，同时利用多方向二维匹配滤波对视网膜图像中12个不同方向的血管 进行增强，然后将以上两个增强结果进行融合，从而实现图像的最终增强。 图1为本专利技术的流程图，如图1所示，所 述方法包括以下步骤： 步骤Sl:对视网膜图像进行图像预处理； 对输入的原始RGB视网膜图像进行预处理，分解成红、绿、蓝三通道图像，采用对 比度较高的绿通道图像进行后续处理。 步骤S2:利用第一步得到的预处理后的图像进行多尺度Hessian矩阵滤波，并进 行灰度拉伸； 采用多尺度Hessian矩阵滤波器对绿通道图像进行检测。运用带尺度的高斯滤波 器对图像进行卷积操作，检测不同宽度的血管，得到视网膜图像各个尺度下的血管响应图 像，取最大值作为最终的血管增强因子。 具体如下：输入绿通道图像，产生像本文档来自技高网...
【技术保护点】
一种基于多尺度多方向的视网膜图像增强算法，其特征在于，包括以下步骤：S1: 对输入的原始RGB视网膜图像进行预处理，将原始RGB视网膜图像分解成红、绿、蓝三通道图像，提取视网膜图像的绿色通道图像；S2:对视网膜图像的绿色通道图像进行多尺度Hessian矩阵滤波，得到多尺度增强图像；S3: 对视网膜图像的绿色通道图像进行多方向二维匹配滤波，得到多方向增强图像；S4: 将多尺度增强图像和多方向增强图像进行融合，得到最终的视网膜增强图像结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：闵锋，单玲玉，张彦铎，李晓林，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。