VC++视网膜血管自适应图像的抽取算法及其实现.docVIP

VC++视网膜血管自适应图像的抽取算法及其实现 摘要：视网膜血管检测作为图像处理的一个应用在临床医学中发挥着愈来愈重要的作用。基于图像处理的血管检测方法主要包括抽取技术、跟踪技术和拟合技术。本论文主要致力于研究基于采用通过灰度和弯矩基于不变利用特征的方法进行自适应图像抽取算法及其实现技术。该研究的主要工作包括：1）综述了公开报道的各种视网膜血管检测方法；2）研究了灰度和不变矩特征的方法方法算法及其实现技术；3）通过VC++6.0编程实现了该方法算法进行视网膜血管提取；4）通过实验验证了算法的有效性。5201 关键词：血管检测，图像抽取,不变矩，视网膜成像，远程医疗，血管抽取, Title：Extracting Blood Vessels in Retinal Images Abstract： As an application of image processing, the detection of retinal vessels plays more and more important role in clinical medicine. The main methods of vessel detection include segmentation technique, tracking techniques and fitting techniques. This thesis arms to study the minimal-path based tracking algorithm and the corresponding implementation techniques. The main contributions are the follows: 1) presented a brief review of various published extracting methods of retinal vessels; 2) discussed the minimal-path algorithms and their implementations; 3) realized the extraction of retinal vessels based on Dijkstra algorithm, programming with VC++6.0; 4) evaluated the performance of minimal-path algorithm by experiments. Keywords：Diabetic retinopathy, moment invariants, retinal imaging, telemedicine, vessels segmentation. 目次 1 引言（或绪论） 1 1.1课题背景及意义 1 1.2图像边缘图生成与特征提取的国内外研究现状 1 1.3本文的主要工作 1 由于硬件限制，视网膜图像较明显地表现出以下特点：光照不均匀；血管与背景的对比度不强；图像噪声点多。这导致采用常用的图像处理方法很难抽取出满意的效果，可以通过数字图像处理技术优化。 数字图像处理提高了在极不利的条件下所拍摄的图像的质量，具体方法有：调整亮度与对比度，边缘检测，降噪，调整重点，减少运动模糊等。图像包含了大量的信息，图像处理是当输入是图像时的信息处理方式，就像是帧视频，输出不一定是图像，也有可能是比如图像的一个特征。大多数图像处理技术包括把图像视为一个二维信号，以及包括信号处理技术的应用标准。这一过程涉及图像的增强或操纵，导致产生另一个图像，冗余数据的清除和2-D像素阵列到静态不相关数据集的转化。 在本文中，提出了血管抽取的新方法。它是基于像素的分类，使用7-D像素分类矢量从预处理的视网膜图像抽取出血管，并作为神经网络的输入的特征向量。分类结果（0和1之间）阈值化分为两类，即按像素特征分为有血管和无血管的两类。最后，在血管抽取的后处理中填充像素间隙，删除虚假及孤立的血管像素。 必要的特征向量从预处理后正在审议的像素附近的视网膜图像开始计算。可以确定以下过程阶段： 1）原为灰度级的同质化和增强血管眼底图像的预处理， 2）以数值代表像素的特征提取， 3）将分类为有血管或无血管的标记像素， 4）后处理，填补检测血管中的像素差距和消除虚假、孤立的血管像素。 输入图像是从原始的RGB视网膜图像中提取绿色通道获得灰度图像，绿色通道提供了RGB中代表血管背景对比度最好的图像，而红色通道是最亮的颜色通道但是对比度低，蓝色通道所提供的动态范围差。因此，血液中含有的元素（如血管）通向的绿色通道达到更高的对比度从而最好的代表视网膜层。 1）去除血管中央光反射； 2