彩色眼底图像微动脉瘤自动检测方法技术

本发明专利技术涉及一种基于圆形双边Gabor滤波和局部梯度分析的彩色眼底图像微动脉瘤自动检测方法，该方法首先对彩色眼底图像的绿色通道进行预处理；然后采用圆形双边滤波提取候选者并阈值分割，移除主血管；最后计算局部梯度方向直方图，依据微动脉瘤梯度方向各异性，剔除细小血管，计算局部对比度和圆度，滤除噪声和出血点，实现微动脉瘤的自动检测。本发明专利技术利用微动脉瘤灰度和结构信息及与细小血管的局部灰度差异，能够克服光照不均、对比度低和细小血管所带来的影响，不仅能够准确检测大尺寸、高对比度、单一背景的微动脉瘤，对于小尺寸、低对比度和靠近血管及黄斑等复杂背景的微动脉瘤也具有很好的检测效果，最终实现微动脉瘤的自动检测。

【技术实现步骤摘要】

本专利技术涉及，该方法不受光照、对比度和细 小血管干扰所带来的影响，对眼底图像中大尺寸、对比度较高、背景单一的微动脉瘤和小尺 寸、对比度和靠近血管及黄斑等复杂背景的微动脉瘤都有很好的检测效果，属于图像处理
，可应用于眼科诊断中糖尿病视网膜病变的微动脉瘤的自动化检测。
技术介绍
糖尿病是继肿瘤、心血管病变之后第三大严重威胁人类健康的慢性疾病。糖尿病 视网膜病变是主要的并发症之一，目前成为世界致盲眼病之首。微动脉瘤是糖尿病视网膜 病变的第一病症，对于糖尿病视网膜病变的早期诊断和预防具有重要意义。临床中对于微 动脉瘤的诊断方式主要是靠医生在彩色眼底图像中手动标注，耗时费力。基于眼底图像对 微动脉瘤进行智能化的自动检测不仅可辅助医生进行临床诊断，而且有利于糖尿病视网膜 病变的普查。 但在彩色眼底图像成像时，受到拍摄条件、人眼结构及眼底不同病变程度等客观 因素的影响，导致眼底图像中普遍存在光照不均、对比度低和多噪声等干扰。同时由于微动 脉瘤尺寸较小、与局部组织背景对比度低，所以大大增加了微动脉瘤检测的难度。目前针对 微动脉瘤的检测方法已经得到不错的效果，但检测结果易受到细小血管以及背景噪声的干 扰，降低了检测方法的准确率。
技术实现思路
本专利技术的目的是克服现有技术的上述不足，提供一种能够有效排除细小血管和背 景噪声干扰的。为此，本专利技术采用如下的技术方案。 ，包括下列步骤： 1.获取彩色眼底图像，提取绿色通道，进行对比度增强； 2.并采用圆形双边Gabor滤波并阈值分割，提取微动脉瘤候选者； 3.采用低帽变换对增强结果提取主血管并移除； 4.计算以候选者为中心的局部灰度梯度方向，计算梯度方向直方图； 5.依据微动脉瘤的尺寸特性，以候选者为中心，建立大小为a X a邻域和b X b的局 部区域，分别计算两个区域的对比度，滤除噪声； 6.依据微动脉瘤的类圆形结构特性，计算候选者的圆度，剔除出血点。 本专利技术具有如下的技术效果： 1.适用性强。本专利技术不受眼底图像光照、对比度和噪声的影响，对眼底图像质量要 求不高，可同时适用于散瞳和免散瞳的彩色眼底图像。 2.准确度高。本专利技术在检测过程中，基于微动脉瘤的结构和灰度特性，采用圆形双 边Gabor滤波提取微动脉瘤候选者，在微动脉瘤精确提取时仅移除主血管，降低漏检，通过 计算局部梯度直方图剔除细小血管，有效降低误检。 3.本专利技术分别对国际针对微动脉瘤检测提供的公共眼底数据库和医院提供的数 据库进行了测试，均获得了较好的检测结果。【附图说明】 图1:本专利技术的微动脉瘤自动检测方法流程图。 图2:输入彩色眼底图像，提取绿色通道。图2-1为彩色眼底图像，图2-2为绿色通道 图像。 图3:预处理后图像。 图4:主血管提取结果。 图5:采用圆形双边Gabor滤波的候选者提取结果。图6:主血管提取结果。 图7:局部梯度矢量场。图7-1为微动脉瘤的局部梯度矢量场，图7-2为细小血管的 局部梯度矢莖场。 图8:局部梯度方向直方图。图8-1为微动脉瘤的局部梯度方向直方图，图8-2为细 小血管的局部梯度方向直方图。图9:微动脉瘤精确提取结果。 图10 :R0C库和医院图库的微动脉瘤检测结果。图10-1为R0C中微动脉瘤的检测结 果，图10-2为医院图库中的微动脉瘤检测结果。【具体实施方式】 本专利技术的流程如图1所示，该方法首先采用对比度增强算法对彩色眼底图像的绿 色通道进行预处理，增强对比度；然后采用低帽变换提取眼底主血管，并采用圆形双边 Gabor滤波并阈值分割，提取微动脉瘤候选者;然后计算以候选者为中心的局部灰度梯度， 构建梯度方向直方图，依据微动脉瘤梯度矢量场的方向各异性，提出细小血管，以候选者为 中心计算局部区域内的对比度和圆度，滤除噪声和出血点，实现微动脉瘤的自动检测。下面 结合附图，对本专利技术技术方案的具体实施过程加以说明。 1.图像预处理 首先输入彩色眼底图像(如图2-1所示），然后提取绿色通道(如图2-2所示），采用 对比度增强算法对图像进行预处理(如图3所示）。 2.微动脉瘤候选者提取 2.1圆形双边Gabor滤波 由于血管具有较强的方向性，而微动脉瘤属于弱小目标，并无明显方向，当利用传 统的Gabor滤波提取微动脉瘤候选者时，血管对提取结果会产生极大的干扰，真正的微动脉 瘤却常被漏检。而圆形Gabor滤波具有良好的高斯特性，其圆形结构与微动脉瘤相似。同时 为了抑制背景、降低背景复杂度，利用双边滤波可以抑制背景突出边缘的良好特性，本专利技术 将圆形Gabor滤波与双边滤波结合，构造圆形双边Gabor滤波器( 1 ) (2) 其中I(i)为图像中任意一点，j是其邻域N中的像素点，GRe(x，y)和r(i，j，〇r)分别 是圆形Gabor滤波器的实部和亮度距离因子，为亮度距离标准差。 (3) (4) V r J 在预处理结果的基础上进行滤波，滤波结果如图4所示。 2.2.阈值分割为确定候选点集，需对滤波后结果进行阈值分割，得到候选者。微动脉瘤灰度分布 和滤波后的结果如图5所示。由于微动脉瘤的灰度分布呈"倒高斯"状(如图5-1所示），其中 心的输出响应Center < 0或I Center I ? 0 (如图5-2所示）。本专利技术依据输出当前第1页1 2 本文档来自技高网...

【技术保护点】
一种彩色眼底图像微动脉瘤自动检测方法，所述方法包括下列步骤：步骤1：获取彩色眼底图像，提取绿色通道，进行对比度增强；步骤2：采用圆形双边Gabor滤波并阈值分割，提取微动脉瘤候选者；步骤3：采用低帽变换对增强结果提取主血管并移除；步骤4：计算以候选者为中心的局部灰度梯度方向，计算梯度方向直方图；步骤5：依据微动脉瘤的尺寸特性，以候选者为中心，建立大小为a×a的邻域和b×b的局部区域，分别计算两个区域的对比度，滤除噪声；步骤6：依据微动脉瘤的类圆形结构特性，计算候选者的圆度，剔除出血点，实现微动脉瘤的自动检测。

【技术特征摘要】

【专利技术属性】
技术研发人员：肖志涛，张欣鹏，耿磊，张芳，吴骏，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津;12