基于黑森矩阵和多尺度分析的视网膜血管分割-通信与信息系统专业论文.docx

独创性声明本人声明所呈交的学位论文是我个人在导师的指导下进行的研究工作及取得的研究成果。尽我所知，除文中己标明引用的内容外，本论文不包含任何其他人或集体己经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密口，在年解密后适用本授权书。本论文属于不保密口。(请在以上方框内打√)学位论文作者签名:日期:年月日指导教师签名:日期:年月日摘要许多疾病可以改变视网膜血管的形态和结构，眼科医生及时对视网膜图像做分析检测可以对疾病起到预防作用，所以视网膜病理的早期检测和诊断显得非常重要，而人工对视网膜图像做检测既耗时又繁琐，因此结合计算机辅助诊断对视网膜图像进行快速分析帮助眼科医生进行诊断成为现在的主流。虽然许多专家学者己对视网膜血管自动分割进行了大量研究，由于对比度低，视网膜血管宽度不一以及病变区域的影响，视网膜血管分割仍面临许多挑战。针对前人分割算法时间代价大，小血管分割效果差，分割结果不连贯的缺点，本文提出一种非监督的视网膜血管分割算法。通过分析血管的形状特性，我们使用黑森矩阵来表达血管的线状特性。传统的对黑森矩阵的使用是基于对血管中心线的检测，而本文中我们摒弃这种做法，根据血管的宽度不一的特性，结合多尺度分析我们利用黑森矩阵得到特征值图。通过对多尺度特征值图我们取得粗糙的视网膜血管分割结果，然后我们从这个分割结果中提取起始点集和待分割点集，利用特征向量和幅值等信息从起始点集中每一点出发，跟踪判断待分割点集中哪些是血管点。最后用形态学做后处理得到最终的血管分割结果。本文算法在两个公开可得的数据库上做实验，并和其他作者的方法进行了对比。本文采用方法不需要做人工标记，相比于监督学习方法，避免了对图像做标记等繁琐工作。方法简单快速有效，计算速度高并且检测小血管效果好。关键词:血管分割非监督多尺度分析黑森矩阵跟踪AbstractManydiseasescanchangetheshapesandthestructuresoftheretinalvessels.Theim-mediateanalysisanddiagnosisforretinalimagescarriedoutbyophthalmologistcanpreventthediseasefromoccurring.Theearlydetectionanddiagnosisofretinalpathologicalstruc- turesisextremelyimportant,while,manualdetectionforretinalimagesisatime-consumingandtrivialtask.SoitispopulartomakequicksegmentationforretinalimageswithCADtohelp ophthalmologists torealize the detection.Thoughmanyalgorithmsabouttheautomaticsegmentationofretinalbloodvesselshavebeenpublished,for thereasonsof poorcontrast,variouswidths ofretinalvesselsandthedisturbanceofthepathologicalchanges,therearestillmanychallengesinthedomainofretinal vesselsegmentation.Forresolvingtheproblemsofconsumingtimeandpoorseg-mentationperformanceonsmallvesselsandbrokenvessels,weproposeanunsupervisedmethodofretinalvesselsegmentation.Basedontheanalysisofthevesselshape,weuseHessianMatrixtomeasurethelinearpropertyofretinalvessels.ThetraditionalusageoftheHessianMatrixwastodetectthevesselcenterlines,however,notbyu