一种快速视网膜光学相干图像分割方法.docVIP

一种快速的视网膜光学相干图像分割方法 　　摘要：在医学领域，黄斑厚度可以用来量化糖尿病黄斑水肿和年龄相关性黄斑变性等疾病，临床上通常使用光学相干断层扫描的影像技术来获取黄斑图像。但现有的黄斑图像分割方法运算速度较慢，阻碍了其临床使用。本文提出一种新的基于多分辨率及水平集的黄斑图像分割方法，首先使用高斯滤波对原始图像按行进行滤波，再运用多分辨率方法获取图像初始局部轮廓，最后使用水平集方法可以快速获取黄斑图像的中间轮廓，得到最终的图像分割结果。通过在311幅黄斑图像的仿真实验对比，本文方法在边缘检测结果和运算速度上比传统方法有很大改进。 　　关键词：黄斑图像；光学相干成像；水平集；图像分割 　　中图分类号：R770.43文献标识码：A 　　1引言 　　光学相干断层扫描（OCT）是一种可以通过光学信号采集和处理来对组织内部结构进行无创伤成像的诊断设备。与其他高分辨率成像方法（如超声波、X射线和磁共振成像）相比，光学相干断层扫描方法具有更高的分辨率，可以显示出更加清晰的组织内部结构图像。目前，OCT这种光学成像技术已成为一种重要的可用于临床上视网膜成像的实用技术。例如，临床上通常使用光学相干断层扫描的影像技术来获取黄斑图像。早期的OCT视网膜图像分割方法主要是基于灰度阈值和灰度变化[1]，这些方法对噪声敏感并且耗时。Koozekanani[2]等人提出了一种马尔科夫随机场（Markovrandomfield，MRF）的方法来提取视网膜内部和外部边缘，这种自回归模型的鲁棒性优于那些基于灰度阈值的方法。但是它需要可靠的初始种子点才能完成对病理视网膜的分割。Mujat[3]等人采用了形变样条的方法来分割视网膜视神经层，它需要把形变样条放于初始轮廓的附近，通常也比较耗时。Chiu[4]指出文献中报导的用于二维和三维OCT图像分割的方法大多数速度较慢，这导致他们在临床上实用性不足。 　　为了克服现有方法在速度上的不足，本文提出一种新的基于多分辨率及水平集的黄斑图像分割方法。通过在311幅黄斑图像的仿真实验对比，本文方法在边缘检测结果和运算速度上比传统方法有很大改进。 　　2数据来源 　　通过光学相干断层扫描成像方法，我们从34个病人中采集了总共311幅黄斑图像，原始图像的分辨率为2000（深度方向）*2048（宽度方向）。 　　3基于多分辨率及水平集的黄斑图像分割方法 　　为了辅助医学的黄斑厚度测量，需要得到黄斑图像的清晰轮廓，本文设计一种新的基于多分辨率及水平集的黄斑图像分割方法，首先使用一维高斯滤波对原始图像按行进行滤波，再运用多分辨率方法获取图像初始局部轮廓，最后使用水平集方法可以快速获取黄斑图像的中间轮廓，得到最终的图像分割结果。本方法的处理过程如图1所示。 　　3.1高斯滤波 　　高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。 　　最常用的径向基函数是高斯核函数，其函数形式为： 　　k（‖x-xc‖）=e-‖x-xc‖222σ2（1） 　　其中，xc为核函数中心，σ为核函数的宽度参数，决定了函数的径向作用范围。 　　本文使用高斯滤波对源图像的每行进行滤波。需要说明我们只按行滤波，不在列方向上使用高斯滤波的原因是这样将会导致边缘位置的移动。此外，我们使用一维高斯滤波，这是因为二维高斯滤波速度较慢，而且可以分解为两个一维高斯滤波。 　　3.2多分辨率分析 　　多分辨率分析是一种局部化时频分析算法，可以用时域和频域的联合来表示信号，是分析非平稳性信号的有力工具。它通过基函数的伸缩、平移等运算多信号进行多尺度细化分析，能有效从信号中提取信息，是一种灵活、快速、有效的高维信号处理算法。 　　本文使用多分辨率方法获取黄斑图像的初始轮廓，具体实现步骤包括以下步骤。首先，采用一个9×9的均值滤波器对高斯滤波后的黄斑图像滤波，然后使用多分辨率的尺度H1W0，将图像在竖直方向压缩至源图像的一半。为了提高分辨率，我们重复执行若干次尺度变换，包括后续的尺度H2W0，尺度H3W1以及最后的尺度H4W2。 　　3.3水平集算法 　　水平集算法是Sethian和Osher[5]于1988年提出，用于把低维度的一些计算上升到更高一维，把N维的描述看成是N+1维的一个水平。 　　通常，水平集方法将平面闭合曲线隐含表达为连续函数曲面φ（x，y，t）的一个具有相同函数值的同值曲线。例如，可以将目标曲线隐含表示在零水平集φ（x，y，t）=0中。即t时刻对应于零水平集为 　　C（p，t）={（x，y）|φ（x，y，t）=0}（2） 　　假设用于演化的平面闭合曲线为C（p，t）=（x（p，t），y（p，t）），其中p为任意的参数化变量，t为时间。设曲线的内向法向量为N，曲率为k，则曲线沿着其法向量