基于多尺度特征值的眼底血管自动分割.docx

经典专科、本科、硕博、研究生、期刊毕业论文 仅供参考苏州大学本科生毕业设计（论文） 精心整理 仅供参考 勿用作商业用途 目录 摘要 1 Abstract 2 第一章 绪论 3 1.1研究背景及意义 3 1.2本课题主要研究内容及章节安排 4 1.2.1主要研究内容 4 1.2.2本文章节安排 5 第二章 基于多尺度Hessian矩阵的眼底血管增强 6 2.1 Hessian矩阵 6 2.2血管响应函数 6 2.3多尺度Hessian矩阵血管增强算法 7 2.4本章小结 9 第三章 基于人工神经网络算法的眼底血管分割 10 3.1人工神经网络 10 3.1.1人工神经元 10 3.1.2 BP神经网络 11 3.2眼底血管分割算法流程 13 3.2.1眼底图像预处理 13 3.2.2眼底图像感兴趣区域的提取 14 3.2.3融合多尺度Hessian矩阵的神经网络训练 15 3.2.4融合多尺度Hessian矩阵的神经网络测试 16 3.3本章小结 16 第四章 实验结果及误差分析 17 4.1实验数据介绍 17 4.1.1眼底彩照图来源 17 4.1.2评价算法指标介绍 17 4.2 MATLAB实验结果分析 18 4.3分割结果误差分析 23 4.4本章小结 25 结论 26 参考文献 27 致谢 28 精心整理 仅供参考 勿用作商业用途 PAGE PAGE 26 摘要 眼底作为人体唯一一种可以不产生任何创伤就能观察到血管的部位，其血管图像的特征分析已经变成目前医学上诊断全身血管性疾病的重要方法。利用现代医学影像技术对眼底血管进行观察和分析能够帮助医生提高诊断的准确度和工作效率。但是，由于眼底照相机的一些不可避的缺陷和一些人为外界的干扰，通常眼底彩照图像背景光照不均匀，并且存在大量的噪声。本课题主要研究如何对眼底目标血管进行增强，然后分割出正确的眼底血管图像。 对于以上两点目前存在干扰较大的问题，本文采用了基于多尺度Hessian矩阵的眼底血管分割方法。具体步骤如下： 首先对眼底彩照图进行预处理，提取绿色通道，通过均衡化处理提高对比度，然后再乘上mask图像提取我们感兴趣的部分。 然后运用多尺度Hessian矩阵滤波对预处理后的眼底图形进行血管增强操作。 运用人工神经网络对血管增强后的眼底图像进行血管识别，并分割出正确的眼底血管图像。 最后对于分割出来的眼底图像进行孤立噪声点的去除。 总的来说，本文采用的算法分割的血管比较理想，但是还有少部分的微血管丢失，在这方面有待改善。 关键词：眼底图像；Hessian矩阵血管增强；人工神经网络 Abstract The fundus is the only part of the body that can be observed. The analysis of the features of the blood vessel image has become an important method for the diagnosis of systemic vascular diseases. It can help doctors to improve the accuracy and efficiency of diagnosis by using medical imaging technology to observe and analyze the fundus blood vessels. However, due to defects of the fundus camera and disturbance, the background light to the color image is usually uneven, and produces noise in retinal images. This paper focus on how to enhance and segment retinal vessels in fundus images. To solve the problem addressed above, a multi-scale Hessian matrix based segmentation method was used to enhance and segment retinal blood vessels. The steps are as follows: First, the green channel of the color image was extracted and