一种改进的视网膜图像中微小动脉瘤的检测算法.pdfVIP

方法 。 某种沿径向对称的标量函数，在二维空间下通常定义为空间 Fleming等人使用局部标准化对比度的方法实现了数字 中任一点(，)到中心点(o，Y。)之间欧氏距离 r的函数。常 眼底图像中微小动脉瘤的自动检测[5]，一定程度上剔除了不 用的径向基函数有 Gauss函数、Markov函数、Multi—Quadric 易与微小动脉瘤区分的毛细血管部分。Walter等人提 出一 函数及逆Multi—Quadric函数。 种基于数学形态学的检测算法[6j，其通过图像标准化实现亮 DMPT-SC算法选择 Gauss函数作为模板设计的参考模 影补偿 ，采用直径逼近的方法弥补了顶帽变换对弯曲血管检 型。由于本文中的视网膜图像均采用绿色通道下的二维图 测的不足。Niemeijer结合监督像素分类器 (SupervisedPixel 像，因此本文只针对二维高斯核函数进行讨论 ，二维高斯核函 Classification)方法提出了一种混合检测算法[7]，此算法可以 数的标准表达式见式 (1)。 ] 一 … 检测所有的视网膜血管，包括微小动脉瘤等类似的病灶信息。 … 、 ( ，)一 ■ e 2 Ll 然而上述方法需要医疗工作人员标记出每个像素点，当涉及 视网膜图像中的微小动脉瘤 区主要有 4个形态变化参 到更大数量的图像时这种算法具有严重的不可行性 ，同时也 数，分别是区域半径、灰度水平面、陡峭度和灰度高度，设为 会增加更多的假性候选微小动脉瘤。除了基于数学形态学方 r、l、S和h。因此 ，单纯地使用式 (1)构造的匹配模板并不能 法的微小动脉瘤 自动检测算法 ，Sinthanayothin等人采用递归 匹配所有形态的微小动脉瘤。本文基于式 (1)改进了传统的 区域生长实现了微小动脉瘤和血管的检测 ，并使用人工神经 微小动脉瘤的匹配模型，提 出了多参数匹配模板 DMPT，如 网络提取血管后得到所要检测的微小动脉瘤_8]。Bob等人则 式 (2)所示。 采用了一种多尺度相关系数的方法实现微小动脉瘤的自动检 ， 一 T(x，)一Z+^·e 了‘ ，一~／(x--x)()。4-(y--yo) (2) 测，根据微小动脉瘤的形状特征进行形态匹配，采用相关系数 式中，(。，Y。)为模板的中心点。 来制约匹配度，然后经过特征提取获取微小动脉瘤集合_5]。 半径参数r可调节模板的能量分布范围，实现不同大小 尽管这种方法能够检测出不同大小的微小动脉瘤，但是由于 的微小动脉瘤匹配；模板的灰度高度参数 h可调节模板中心 模板本身存在很大的局限性，致使匹配度偏低，而且在特征提