基于Gabor小波和SVM的眼底血管提取方法.pdfVIP

。 煎…建 急 脑 UJ A《N e0 pLj下嚣鞴 基于Gabor小波和SVM的眼底血管提取方法 潘 林，方 毅 (福州大学数字媒体研究院 福建 福州 350002) 【摘 要 】为克服光照不均、对比度低、病灶干扰等给眼底血管提取带来的困难，提 出一种基于支持向量机 (SVM)提 取的方法。首先利用不同尺度下的Gabor小波特征和绿色通道灰度信息组成特征向量；然后在特征向量中增加像素邻域 的Luv颜色分量信息并进行降维；接着用SVM 分类出血管和非血管。在公开的糖尿病视 网膜病变图像库STARE和 DRIVE上进行实验 ，实验表明该方法可对眼底血管进行可靠提取。 【关键词】糖尿病视网膜病变；眼底血管；Gabor；Luv；支持向量机 0引言 较高的准确度，能够有效地进行眼底血管的提取。 眼底是人体唯一非创伤性观察到动脉、静脉和毛细血管的 训练数据 测试数据 部位 ，眼底视网膜血管结构特征的变化能直接反映高血压、糖 训练 图像 尿病、动脉硬化等心脑血管疾病对血管网络形态结构的影响， 预处理 I望竺翌l 因此定期的眼底检查可使该类疾病得到及时的发现和治疗flJ， 多尺度Gabor~ 多尺度Gabor变 如：糖尿病性视网膜病变等。借助计算机图像处理等技术，实现 换与特征提取 换与特征提取 眼底图像血管的自动提取能克服传统人工分析法中劳动强度 大、可比性差、主观因素多等缺点，尤其是在大规模的眼底筛查 中能减少医生的工作量，提高诊断的效率2[1。 雷 攀 眼底图像血管提取方法可分为非监督和监督两类脚。非监 ； 管 督方法主要包括匹配滤波 ，自适应阈值分割目，血管追踪 等方 图1 本文方法的流程 图 法。该类方法着重对血管亮度信息进行处理，但由于眼底图像 照度不均、人眼差别等因素造成血管亮度、对 比度的差异，因此 1特征提取 血管提取精度往往不高；而且为了适用于不同类型的眼底照相 1．1眼底血管特征 机获得的眼底图像，该类方法往往需要做一些参数上的设置I3]。 眼底图像中血管横截面的灰度强度分布可以近似为高斯 监督方法利用手工标记的血管标准图像来训练分类器，以实现 曲线，文献[11]构建了血管的二维高斯轮廓模型。其中，模型的 血管提取，其中Staal等 采用血管管径、亮度和边缘强度等特 尺寸和形状由几个参数来控制。通过调整这些参数，模型能与 征，Niemeijer等闻利用多尺度下的Gaussian滤波结果和绿色通 真实的血管轮廓相符合，并能通过参数计算血管的直径，如图2 道的灰度值等特征，前两者均采用KNN分类器，Soares等 应用 fa)所示。在眼底图像中的有些血管部位存在光的反射情况，因 Gabor小波作为特征向量，并训练GMM模型用于分类，此外 此要考虑血管对光的反射情况，使模型尽可能准确地模拟血管 Ricci等㈣应用直线算子作图像线状结构的特征增强，再应用 灰度强度。模拟光反射的血管轮廓可从大的轮廓中再提取一个 SVM对像素点分类。由于该类方法依据预先分类的标准图像数 小的高斯曲线G2来模拟光的反射，如图2(b)所示。图2(c)和图 据，提取效果优于非监督方法。 2fd)反映了眼底血管实际的灰度分布。 在以上的方法中，文献9【】中血管分割的准确度最高，达到 94．73％，但仍有改善的空间。考虑到人眼瞳孔大小的差异，使得 眼底拍摄时照射到眼底的光通量不同，从而造成的眼底图像亮 度和色彩上的差