基于数据驱动的马尔科夫蒙特卡洛视网膜血管分割-计算机应用技术专业论文.docxVIP

南京航空航天大学硕士学位论文 摘 要 眼底视网膜血管作为人体非创伤观察的重要器官，其不同程度的变化能够反映出高血压、动脉 硬化等心血管疾病的症状，特别当与血管相关的器官发生病变时，眼底血管的直径、曲率等特征的 改变在一定程度上可反映病变的程度。故定量和定性地自动分析视网膜血管具有非常重要的临床应 用价值，而视网膜血管分割和提取则是分析血管的首要任务。 现有多数视网膜血管分割方法尽管对非病变的血管图像具有较好的分割效果，但对病变图像的 分割效果仍不理想，尤对光照不均、病灶等敏感。为此，本文提出了一种相对鲁棒的血管分割方法。 该方法首次尝试利用计算机视觉中的 Top-down 和 Bottom-up 两种层次化分割框架相结合实现视网 膜图像的分割。具体而言，首先在彩色视网膜图像的绿色通道上利用 Curvelet 变换进行血管增强。 然后在贝叶斯统计框架下，采用可逆跳转的马尔科夫蒙特卡洛算法搜索参数空间，从而求得不依赖 于初始分割的近似全局最优的分割，同时利用数据驱动的均值漂移聚类算法和 Canny 边缘检测算子 来加速马尔科夫链的动态变化。 本文在 MATLAB 环境下，采用标准 STARE 视网膜图像库中四幅图像进行了实验，实验结果表明 该方法不仅对非病变的图像而且对病变的图像都具有较好的鲁棒分割效果，并且通过模式识别中的 没有免费午餐定理在理论上对该方法进行了理论分析。 关键词：马尔科夫蒙特卡洛；数据驱动；血管分割；Curvelet 变换；医学图像处理。 I 基于数据驱动的马尔科夫蒙特卡洛视网膜血管分割 ABSTRACT Quantitative and qualitative analysis of retinal blood vessels is an important method for non-invasively diagnosing hypertension, arteriosclerosis and other cardiovascular diseases, and the segmentation and extraction for the retinal blood vessels is a primary task. Most of existing retinal blood vessel segmentation methods are effective only for normal retinal images, but insufficiently effective for pathological retinal images due to their sensitiveness to some factors such as non-uniform illumination and focus of infection. In this paper, a relatively-robust method for segmenting blood vessels is proposed. It segments retinal blood vessels by firstly attempting to use a unified mechanism of top-down and bottom-up in computer vision. Specifically, the proposed method uses reversible jump Markov chain Monte Carlo to search parameter space in the Bayesian statistical framework and obtain the approximate global optimal result, Meanwhile a data-drive technology is used for driving the Markov chain. Experimental results show that our method is robust in segmenting both non-pathological images and pathological images. Key words: Markov Chain Monte Carlo; Data-Driven; Blood Vessels Segmentation; Medical Image Processing. II 南京航空航天大学硕士学位论文 图表清单 图 1.1两种视网膜血管图像 ...................................................