【技术实现步骤摘要】
本专利技术涉及图像处理
,尤其涉及一种眼底图像增强方法及系统。
技术介绍
眼部成像是医学辅助诊疗的重要手段,通过分析眼球血管图像可以直接或间接地判断出许多眼部疾病。在眼部图像中,存在各种不同粗细程度的眼部血管,增强这些血管,可以得到更清晰准确的眼部血管图像,有利于辅助临床诊断。眼底图像增强方法有很多,一般常用的方法有:领域平滑法。即利用图像中某一像素以及它的邻域像素灰度的平均值作为该像素的灰度值。该方法的优点是简单,缺点是会使得眼部血管图像变得模糊,大大降低了血管的清晰度。保存边界平滑法。即设计不同模板,计算图像中某一像素点所处邻域像素灰度的方差,将方差最小的模板所含像素的灰度平均值作为该像素点的灰度值。这种方法的优点是可以较好地保存边界,缺点是眼底图像中目标是线结构,难以通过方差区分噪声与目标。多图像平均法。此种方法是取同一人的多幅眼球血管图像进行平均处理。该方法的优点是可一定成程度抑制噪声,缺点是需要多张眼球血管图像,不适用于单张眼底图像。Frangi滤波图像增强。这种方法利用线结构的Hessian矩阵的特征向量方向和特征值,对线结构进行增强,但这类方法会使细弱的弱血管丢失。基于稀疏表示的图像去噪方法通过训练得到冗余字典,再根据稀疏系数重构原图像,由于选取的字典原子没有噪声,从而可以得到抑噪图像。这种方法具有较好的抑噪效果,但是在应用到眼底图像增强问题中仍存在使细弱的弱血管丢失的问题。由此可见,现有的眼底图像增强方法都无法在进行眼底血管增强的同时较好地保留细弱血管。
技术实现思路
本专利技术所要解决的技术问题是,提供一种眼底图像增强方法及系统,旨在 ...
【技术保护点】
一种眼底图像增强方法,其特征在于,包括如下步骤:步骤A:利用眼底学习图像构建血管字典,所述血管字典中包括设定数量的第一子图像块;步骤B:对待增强的眼底图像进行Frangi滤波,并将Frangi滤波得到的图像划分为若干相互重叠的第二子图像块;步骤C:利用方向滤波器对所述第二子图像块进行方向滤波,并根据方向滤波结果判断所述第二子图像块中包含的眼底血管是粗血管还是细弱血管;步骤D:确定所述第二子图像块中的血管区域,并根据所述第二子图像块中包含的眼底血管的类型设置所述第二子图像块中的血管区域的残差权重和残差阈值;步骤E:将所述第二子图像块与所述血管字典中的各第一子图像块内积,确定出其中内积最大的第一子图像块,并计算所述内积最大的第一子图像块对应的稀疏系数;步骤F:利用所述内积最大的第一子图像块和所述第二子图像块计算残差图像,并利用所述血管区域的残差权重计算所述第二子图像块中血管区域的残差;步骤G:当所述残差的范数大于所述残差阈值时,将残差图像设置为第二子图像块,并跳转至步骤E,否则,跳转至步骤H;步骤H:利用所述稀疏系数重构所述第二子图像块;步骤I:利用各重构的第二子图像块重构所述眼底图像,从 ...
【技术特征摘要】
1.一种眼底图像增强方法,其特征在于,包括如下步骤:步骤A:利用眼底学习图像构建血管字典,所述血管字典中包括设定数量的第一子图像块;步骤B:对待增强的眼底图像进行Frangi滤波,并将Frangi滤波得到的图像划分为若干相互重叠的第二子图像块;步骤C:利用方向滤波器对所述第二子图像块进行方向滤波,并根据方向滤波结果判断所述第二子图像块中包含的眼底血管是粗血管还是细弱血管;步骤D:确定所述第二子图像块中的血管区域,并根据所述第二子图像块中包含的眼底血管的类型设置所述第二子图像块中的血管区域的残差权重和残差阈值;步骤E:将所述第二子图像块与所述血管字典中的各第一子图像块内积,确定出其中内积最大的第一子图像块,并计算所述内积最大的第一子图像块对应的稀疏系数;步骤F:利用所述内积最大的第一子图像块和所述第二子图像块计算残差图像,并利用所述血管区域的残差权重计算所述第二子图像块中血管区域的残差;步骤G:当所述残差的范数大于所述残差阈值时,将残差图像设置为第二子图像块,并跳转至步骤E,否则,跳转至步骤H;步骤H:利用所述稀疏系数重构所述第二子图像块;步骤I:利用各重构的第二子图像块重构所述眼底图像,从而得到增强的眼底图像。2.如权利要求1所述的眼底图像增强方法,其特征在于,所述步骤A包括:步骤A1:将所述眼底学习图像分割成若干大小相同的第一子图像块;所述第一子图像块的数量大于所述设定数量;步骤A2:将各第一子图像块两两进行内积;步骤A3:选取内积最小的所述设定数量个第一子图像块构建所述血管字典。3.如权利要求1所述的眼底图像增强方法,其特征在于,所述步骤B包括:步骤B1:设待增强的眼底图像为I(x,y),尺度为σ的二维高斯函数为G(x,y;σ),利用所述二维高斯函数对所述待增强的眼底图像I(x,y)进行平滑处理,得到平滑图像Iσ(x,y):其中,为卷积操作;步骤B2:在尺度σ下,计算平滑图像Iσ(x,y)中点(x,y)处的Hessian矩阵Hσ(x,y):Hσ(x,y)=∂Iσ2(x,y)∂x2∂Iσ2(x,y)∂x∂y∂Iσ2(x,y)∂x∂y∂Iσ2(x,y)∂y2;]]>步骤B3:对所述Hessian矩阵Hσ(x,y)做特征值分析,得到特征值λ1、λ2,|λ1|<|λ2|;尺度s下的血管特征为:v0(s)=e-Rβ22β·(1-e-S22c2)λ2≤00λ2>0;]]>其中,β和C是预设常数;步骤B4:在多尺度下,取各尺度下v0(s)的最大值作为所述待增强的眼底图像I(x,y)的Frangi滤波结果v:v=maxsmin≤s≤smaxv0(s)]]>其中,smin和smax分别是最小尺度和最大尺度;步骤B5:将所述Frangi滤波结果v划分为若干相互重叠的第二子图像块。4.如权利要求1所述的眼底图像增强方法,其特征在于,所述步骤C包括:步骤C1:设置方向分别为θ1=0,的8个方向滤波器;步骤C2:假设方向为θi的方向滤波器中血管区域为Ω1,非血管区域为Ω2,计算两个区域各自的能量和posEθi=Σx=1N1Σy=1N1|v(x,y)|2,(x,y)∈Ω1;]]>negEθi=Σx′=1N2Σy′=1N2|v(x′,y′)|2,(x′,y′)∈Ω2;]]>其中v(x,y)是Frangi滤波结果v在(x,y)的值,N1是Ω1中像素个数,N2是Ω2中像素个数;步骤C3:计算与的能量差:Eθi=posEθi-negEθi;]]>步骤C4:确定上述8个方向中最大的能量差:Emax=maxi=1,2,...,8Eθi]]>步骤C5:根据所述Emax判断血管类型,如果Emax≥T,则所述第二子图像块中包含的眼底图像为粗血管,否则为细弱血管。5.如权利要求3所述的眼底图像增强方法,其特征在于,所述步骤D包括:步骤D1:将所述8个方向中最大的能量差所对应的方向滤波器中的血管区域作为血管实际的区域Ω1,将所述8个方向中最大的能量差所对应的方向滤波器中的非血管区域作为非血管实际的区域Ω2;步骤D2:对于包含的眼底图像为粗血管的第二子图像块,将其血管区域Ω1的残差权重设为1,残差阈值TR=T1;对于包含的眼底图像为细弱血管的第二子图像块,将其血管区域Ω1的残差权重设为1/vmax,残差阈值TR=T2,其中vmax是该第二子图像块Frangi滤波结果的最大值。6.如权利要求1所述的眼底图像增强方法,其特征在于,所述步骤E包括:步骤E1:将所述第二子图像块向量化为x,所述血管字典中第i个第一子图像块为di;步骤E2:将所述血管字典中各第一子图像块与所述第二子图像块x内积最大者作为选中的第一个第一子图像块dr0:dr0=argmaxi∈(1,2,...,k)|<x,di>|;]]>其中,k为所述血管字典中第一子图像块的个数,r0是字典的索引号,<x,di>是x与di的内积运算;步骤E3:计算第一子图像块dr0对应的稀疏系数αr0:αr0=<x,dr0>。7.如权利要求1所述的眼底图像增强方法,其特征在于,所述步骤F包括:步骤F1:计算所述第二子图像块中血管区域的残差图像R:R=x-<x,dr0>dr0;步骤F2:将所述残差R乘以该第二子图像块中血管区域的残差权重加权求和,作为第二子图像块中血管区域的最终残差。8.如权利要求1所述的眼底图像增强方法,其特征在于,重构的所述第二子图像块为:x^=Σr0∈sdr0αr0]]>其中,S是多次执行步骤E确定出的多个稀疏系数的集合,dr0是每一次执行步骤E确定出的内积最大的第一子图像块,αr0是dr0对应的稀疏系数。9.如权利要求1所述的眼底图像增强方法,其特征在于,所述步骤I包括:将所有重构的第二子图像块的不相交的部分合并,得到完整的增强的眼底图像。10.一种眼底图像增强系统,其特征在于,包括:血管字典构建模块,其利用眼底学习图像构建血管字典,所述血管字典中包括设定数量的第一子图像块;图像滤波及划分模块,其对待增强的眼底图像进行Frangi滤波,并将Frangi滤波得到的图像划分为若干相互重叠的第二...
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。