一种眼底图像视网膜血管自动矢量化的方法及装置制造方法及图纸

本发明专利技术涉及一种眼底图像视网膜血管自动矢量化的方法及装置，该方法包括：针对眼底图像的G通道图像进行数据分离处理，获得第一图像数据；根据所述第一图像数据，确定G通道的血管提取结果；针对所述眼底图像的R通道图像进行数据分离处理，获得第二图像数据；根据所述第二图像数据，确定R通道的血管提取结果；针对所述G通道的血管提取结果和所述R通道的血管提取结果进行加权处理，得到第一综合提取效果图；根据所述第一综合提取效果图，确定所述眼底图像的视网膜血管的矢量化数据。本发明专利技术实施例，血管矢量化的效果好，有利于对后续血管管径等进行测量和计算。

Method and device for automatic retinal blood vessel Vectorization in fundus image

The invention relates to a method and a device for automatic vectorization of fundus image of retinal blood vessels, the method includes: for G channel image fundus image data separation, to obtain the first image data; according to the first image data, determine the G channel vessel extraction results; for the R channel image of the fundus images of the separation of data processing, obtained second image data; according to the second image data, to determine the extraction results of R channel are weighted according to the results of blood vessel; vessel extraction vessel extraction results of the G channel and the R channel, the first comprehensive extraction effect; according to the first comprehensive extraction effect diagram, determine the vector the data of the retinal fundus image. The embodiment of the invention has good effect of vector vectorization, and is beneficial to the measurement and calculation of the diameter of the subsequent blood vessel.

【技术实现步骤摘要】
一种眼底图像视网膜血管自动矢量化的方法及装置
本专利技术涉及图像处理
，尤其涉及一种眼底图像视网膜血管自动矢量化的方法及装置。
技术介绍
临床经验表明，眼底图像中血管的粗细、走形、连续性及动静脉宽度比(arteriolar-to-venulardiameterratio，AVR)的变化，与中风、高血压、糖尿病及动脉硬化等疾病的病程情况密切相关，如动脉变窄与高血压有关，静脉变窄则患有中风和冠状动脉粥样硬化性心脏病的可能性较大等。如何有效的对视网膜血管进行分离、还原、连续性及走形判断等计算处理，进而用于与视网膜病变相关的各种疾病的排查和预警，一直是眼底图像分析中重点关注的问题。随着眼底图像数据的急剧增长，医生仅靠人工观察和经验诊断，主观性较强且效率低下，如眼底图像中动静脉宽度比可以用来衡量视网膜血管的宽度变化，但由于其相对变化较小，在临床检测中，即使是经验丰富的眼科医生，分辨其变化也会十分困难,并且医生的经验也有丰富和贫乏之分。因此，利用图像处理和计算机辅助方法从眼底图像中自动的分离血管、对血管进行连续性和走向分析、自动测量AVR等具有十分重要的临床意义，其有助于医生通过眼底图像的检测结果，对病人的病理程度进行评估和诊断，进而实现对高血压、糖尿病、动脉硬化等疾病的筛查、预防和早期治疗。近年来，国内外学者对眼底图像的血管分离、血管矢量化等方面都展开了深入研究，涉及的相关技术，主要有数学形态学、血管跟踪、匹配滤波、基于形变模型以及最近比较流行的机器学习方案，但由于眼底图像的物理原因，如组织密度不均匀、层次较丰富、噪声大、血管组织密度较高，再加上拍照时存在的光照不均、伪影等现象影响，根据图像特性自适应的检测出图像的边缘比较困难，且单一的边缘检测算法得到的边缘细节均留存太多噪声，即血管矢量化的效果不理想，不利于对后续血管管径等进行测量和计算。
技术实现思路
本专利技术提供一种眼底图像视网膜血管自动矢量化的方法及装置，血管矢量化的效果好，有利于对后续血管管径等进行测量和计算。第一方面提供了一种眼底图像视网膜血管自动矢量化的方法，该方法包括：针对眼底图像的G通道图像进行数据分离处理，获得第一图像数据；根据所述第一图像数据，确定G通道的血管提取结果；针对所述眼底图像的R通道图像进行数据分离处理，获得第二图像数据；根据所述第二图像数据，确定R通道的血管提取结果；针对所述G通道的血管提取结果和所述R通道的血管提取结果进行加权处理，得到第一综合提取效果图；根据所述第一综合提取效果图，确定所述眼底图像的视网膜血管的矢量化数据。第二方面提供了一种眼底图像视网膜血管自动矢量化的装置，该装置包括：第一分离模块，用于针对眼底图像的G通道图像进行数据分离处理，获得第一图像数据；第一提取模块，用于根据所述第一分离模块获得的第一图像数据，确定G通道的血管提取结果；第二分离模块，用于针对所述眼底图像的R通道图像进行数据分离处理，获得第二图像数据；第二提取模块，用于根据所述第二分离模块获得的第二图像数据，确定R通道的血管提取结果；综合处理模块，用于针对所述第一提取模块确定的G通道的血管提取结果和所述第二提取模块确定的R通道的血管提取结果进行加权处理，得到第一综合提取效果图；矢量化处理模块，用于根据所述综合处理模块得到的第一综合提取效果图，确定所述眼底图像的视网膜血管的矢量化数据。本专利技术实施例中，在处理G通道数据的基础上，增加了R通道数据的结果提取，并赋予一定的权重比例，使之与G通道提取结果结合计算，可以从不同维度对血管提取的效果进行优化，从而血管矢量化的效果好，有利于对后续血管管径等进行测量和计算。附图说明图1为本专利技术实施例提供的一种眼底图像视网膜血管自动矢量化的方法流程图；图2为本专利技术实施例提供的视网膜图片G通道数据提取效果图；图3为本专利技术实施例提供的复Morlet母小波变换效果图；图4为本专利技术实施例提供的主动生长边缘检测梯度像素寻找示意图；图5为本专利技术实施例提供的8个方向的Sobel算子模板示意图；图6为本专利技术实施例提供的一种眼底图像视网膜血管自动矢量化的方法整体处理流程示意框图；图7为本专利技术实施例提供的一种眼底图像视网膜血管自动矢量化的装置结构图。具体实施方式下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为便于对本专利技术实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本专利技术实施例的限定。图1为本专利技术实施例提供的一种眼底图像视网膜血管自动矢量化的方法流程图，参照图1，该方法包括：步骤101，针对眼底图像的G通道图像进行数据分离处理，获得第一图像数据。步骤102，根据所述第一图像数据，确定G通道的血管提取结果。在一个示例中，采用自适应直方图对通道图像数据对应的图像进行均衡优化得到第三图像数据，所述通道图像数据为所述第一图像数据；基于复Morlet母小波公式对所述第三图像数据进行预处理，获取粗细血管值，并使用Top-Hat变化和双环滤波的方式对血管进行分割,进而采用多尺度高斯匹配滤波优化图像中微小血管部分，得到第一血管提取结果；针对所述第一血管提取结果，采用主动生长边缘检测算法进行血管边缘优化，对提取效果不好的血管进行生长还原，得到第二血管提取结果。步骤103，针对眼底图像的R通道图像进行数据分离处理，获得第二图像数据。步骤104，根据所述第二图像数据，确定R通道的血管提取结果。在一个示例中，可以采取与步骤102相同的方式确定R通道的血管提取结果，在此不做赘述。步骤105，针对所述G通道的血管提取结果和所述R通道的血管提取结果进行加权处理，得到第一综合提取效果图。步骤106，根据所述第一综合提取效果图，确定所述眼底图像的视网膜血管的矢量化数据。在一个示例中，根据所述第一综合提取效果图，结合血管形态结构去除小于设定像素的细血管；采用Sobel算法对血管边缘进行细化处理，得到血管中心线；基于血管结构，在所述血管中心线上对血管交叉点和分叉点进行过滤处理，得到第二综合提取效果图；根据所述第二综合提取效果图，确定所述眼底图像的视网膜血管的矢量化数据。其中，采用Sobel算法可以基于8个方向模板对血管边缘进行细化处理，得到血管中心线。本专利技术实施例中，可以基于所述血管中心线对血管边缘进行定位，并记录存储所述血管边缘的坐标、所述血管中心线的坐标，所述血管边缘的坐标、所述血管中心线的坐标构成所述眼底图像的视网膜血管的矢量化数据。本专利技术实施例中，在处理G通道数据的基础上，增加了R通道数据的结果提取，并赋予一定的权重比例，使之与G通道提取结果结合计算，可以从不同维度对血管提取的效果进行优化，从而血管矢量化的效果好，有利于对后续血管管径等进行测量和计算。本专利技术实施例中，可以采用组合算法，针对眼底相机拍摄出的视网膜图片进行眼底血管的自动矢量化流程处理。在一个示例中，基于复Morlet母小波检测算法，结合主动生长的边缘连接算法及Sobel本文档来自技高网...

【技术保护点】
一种眼底图像视网膜血管自动矢量化的方法，其特征在于，所述方法包括：针对眼底图像的G通道图像进行数据分离处理，获得第一图像数据；根据所述第一图像数据，确定G通道的血管提取结果；针对所述眼底图像的R通道图像进行数据分离处理，获得第二图像数据；根据所述第二图像数据，确定R通道的血管提取结果；针对所述G通道的血管提取结果和所述R通道的血管提取结果进行加权处理，得到第一综合提取效果图；根据所述第一综合提取效果图，确定所述眼底图像的视网膜血管的矢量化数据。

【技术特征摘要】
1.一种眼底图像视网膜血管自动矢量化的方法，其特征在于，所述方法包括：针对眼底图像的G通道图像进行数据分离处理，获得第一图像数据；根据所述第一图像数据，确定G通道的血管提取结果；针对所述眼底图像的R通道图像进行数据分离处理，获得第二图像数据；根据所述第二图像数据，确定R通道的血管提取结果；针对所述G通道的血管提取结果和所述R通道的血管提取结果进行加权处理，得到第一综合提取效果图；根据所述第一综合提取效果图，确定所述眼底图像的视网膜血管的矢量化数据。2.如权利要求1所述的方法，其特征在于，所述根据所述第一图像数据，确定G通道的血管提取结果，和，所述根据所述第二图像数据，确定R通道的血管提取结果，包括：采用自适应直方图对通道图像数据对应的图像进行均衡优化得到第三图像数据，所述通道图像数据为所述第一图像数据或所述第二图像数据；基于复Morlet母小波公式对所述第三图像数据进行预处理，获取粗细血管值，并使用Top-Hat变化和双环滤波的方式对血管进行分割,进而采用多尺度高斯匹配滤波优化图像中微小血管部分，得到第一血管提取结果；针对所述第一血管提取结果，采用主动生长边缘检测算法进行血管边缘优化，对提取效果不好的血管进行生长还原，得到第二血管提取结果。3.如权利要求1或2所述的方法，其特征在于，所述根据所述第一综合提取效果图，确定所述眼底图像的视网膜血管的矢量化数据，包括：根据所述第一综合提取效果图，结合血管形态结构去除小于设定像素的细血管；采用Sobel算法对血管边缘进行细化处理，得到血管中心线；基于血管结构，在所述血管中心线上对血管交叉点和分叉点进行过滤处理，得到第二综合提取效果图；根据所述第二综合提取效果图，确定所述眼底图像的视网膜血管的矢量化数据。4.如权利要求3所述的方法，其特征在于，所述采用Sobel算法对血管边缘进行细化处理，得到血管中心线，包括：采用Sobel算法基于8个方向模板对血管边缘进行细化处理，得到血管中心线。5.如权利要求3所述的方法，其特征在于，所述根据所述第二综合提取效果图，确定所述眼底图像的视网膜血管的矢量化数据，包括：基于所述血管中心线对血管边缘进行定位，并记录存储所述血管边缘的坐标、所述血管中心线的坐标，所述血管边缘的坐标、所述血管中心线的坐标构成所述眼底图像的视网膜血管的矢量化数...

【专利技术属性】
技术研发人员：张松涛，薛丹，李德衡，
申请(专利权)人：瑞达昇科技大连有限公司，
类型：发明
国别省市：辽宁,21