一种自适应尺度分解的眼底图像血管随机共振检测方法技术

本发明专利技术涉及一种自适应尺度分解的眼底图像血管随机共振检测方法。本发明专利技术对眼底图像进行非下采样轮廓波变换，然后对高频子带图像进行最优随机共振调制，以实现对低对比度血管的检测；并根据最优随机共振响应所对应的峰值信噪比指标，来自适应控制非下采样轮廓波变换的分解尺度；分别基于区域能量加权平均规则和基于峰值信噪比数值的加权方法，对不同尺度下获得的低通子带图像以及最优随机共振响应进行融合；最后对融合结果进行非下采样轮廓波逆变换重构，并利用二值化阈值处理得到血管检测结果图。本发明专利技术改变了传统随机共振方法对整幅空域图像进行全局优化的伪最优思路，提出的自适应尺度分解方法适用于眼底图像多对比度血管的检测场景。

An Adaptive Scale Decomposition Method for Detecting Vessel Stochastic Resonance in Eyeground Images

The invention relates to an adaptive scale decomposition method for detecting vascular stochastic resonance in fundus images. The present invention carries out non-downsampling contour wave transformation for fundus image, and then carries out optimal stochastic resonance modulation for high frequency subband image to detect low contrast vessels; and adaptively controls the decomposition scale of non-downsampling contour wave transformation according to the peak signal-to-noise ratio index corresponding to the optimal stochastic resonance response; based on region energy weighted average rule and peak-based method, respectively. The weighted method of the signal-to-noise ratio (SNR) values fuses the low-pass subband images and the optimal stochastic resonance response at different scales. Finally, the fusion results are reconstructed by non-downsampling contour wave inverse transform, and the blood vessel detection results are obtained by binary threshold processing. The invention changes the pseudo-optimal idea of global optimization of the whole spatial image by the traditional stochastic resonance method, and the proposed adaptive scale decomposition method is applicable to the detection scene of multi-contrast blood vessels in the fundus image.

【技术实现步骤摘要】
一种自适应尺度分解的眼底图像血管随机共振检测方法
本专利技术属于数字图像处理领域，主要涉及一种自适应尺度分解的眼底图像血管随机共振检测方法。
技术介绍
眼底图像血管的自动检测，将有助于改善眼部疾病临床辅助诊断的效率和准确率。传统分割方法将噪声视为干扰信号，试图通过抑制噪声的手段来实现图像的分割，但在噪声处理的过程中，不可避免的会影响到低对比度弱信号的检测，因此它们不适合类似眼底图像血管自动检测的应用场景。目前随机共振方法成为了弱信号检测的研究热点，它认为噪声的存在对弱信号的检测是有利的，因为随机共振方法可以实现噪声能量向有用弱信号能量的转移，从而能够改善眼底视网膜微弱边缘血管的检测。但目前的随机共振方法，大多是对整幅图像进行一种空间上的操作，而由于眼底图像中的血管呈现出多对比度分布特性，因此所获得的结果只能是一种全局意义上的最优随机共振响应。
技术实现思路
本专利技术利用非下采样轮廓波变换(NSCT)对源图像进行尺度分解，分解为高频子带图像和低通子带图像，其中低通子带图像主要反映了源图像的整体轮廓，高频子带图像则携带了源图像的细节信息。具体对于眼底视网膜血管图像，低通子带图像主要体现高对本文档来自技高网...

【技术保护点】
1.一种自适应尺度分解的眼底图像血管随机共振检测方法，其特征在于，该方法具体包括以下步骤：步骤1：对眼底图像进行第1级NSCT变换，得到1个低通子带图像和8个方向的高频分量子带图像；步骤2：基于能量最大规则，对步骤1中得到的8个方向的高频分量子带图像进行融合，将融合后的子带合成图作为Duffing随机共振模型的输入信号，并且以峰值信噪比为评价指标调节Duffing随机共振模型中的附加内噪声强度，得到峰值信噪比下的最优随机共振响应；步骤3：根据步骤2中最优随机共振响应时所对应的峰值信噪比指标，若其高于设定的最低标准值T，则对步骤1得到的低通子带图像继续进行下一级的NSCT变换，此时将得到新尺度下...

【技术特征摘要】
1.一种自适应尺度分解的眼底图像血管随机共振检测方法，其特征在于，该方法具体包括以下步骤：步骤1：对眼底图像进行第1级NSCT变换，得到1个低通子带图像和8个方向的高频分量子带图像；步骤2：基于能量最大规则，对步骤1中得到的8个方向的高频分量子带图像进行融合，将融合后的子带合成图作为Duffing随机共振模型的输入信号，并且以峰值信噪比为评价指标调节Duffing随机共振模型中的附加内噪声强度，得到峰值信噪比下的最优随机共振响应；步骤3：根据步骤2中最优随机共振响应时所对应的峰值信噪比指标，若其高于设定的最低标准值T，则对步骤1得到的...

【专利技术属性】
技术研发人员：武薇，杜宇华，范影乐，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33