下载文档原格式
基于Gabor小波的视网膜血管自动提取研究王润民;姚畅;刘建勋【期刊名称】《计算机工程与应用》【年(卷),期】2011(047)018【摘要】针对视网膜血管网络灰度分布特征和区域结构特征,提出了一种基于Gabor小波的视网膜血管提取方法.采用Gabor滤波预处理以增强血管,用改进的自适应二值化方法对增强后的视网膜图像进行二值化处理,根据视网膜血管具有区域连通性的特征,并用形态学方法分割出最终的血管.为验证方法的有效性,对Hoover眼底图像库进行实验,结果表明该方法在细小血管的提取以及连续性、有效性方面都优于Hoover算法.%In terms of the special gray distribution and region structure in retinal image, a novel blood vessel segmentation method based on Gabor wavelet is proposed. The Gabor wavelet is taken to enhance vessels,then the algorithm based on improved adaptive binarization is employed for the retinal image's binarization processing,and the mathematical morphology is applied to extract the vessels region by analysis of region connectivity. The experiments implemented on the Hoover database indicate the efficiency of the proposed approach,and this blood vessel segmentation method is better than the Hoover algorithm.【总页数】3页(P88-90)【作者】王润民;姚畅;刘建勋【作者单位】湖南科技大学,信息与电气工程学院,湖南湘潭,411201;北京交通大学,电子信息工程学院,北京,100044;湖南科技大学,知识网格实验室,湖南湘潭,411201【正文语种】中文【中图分类】TP391.41【相关文献】1.基于多尺度2D Gab or小波的视网膜血管自动分割 [J], 王晓红;赵于前;廖苗;邹北骥2.基于2D Gabor小波与组合线检测算子的视网膜血管分割 [J], 吴奎;蔡冬梅;贾鹏;韦宏艳3.基于Gabor小波和深度置信网络的肺结节良恶性分类研究 [J], 王亚娟;管建;王立功4.基于二维Gabor小波与AR-LGC的人脸特征提取算法研究 [J], 倪永婧;孙袆;岳莹;郭志萍;高丽慧;刘微5.基于Gabor小波与PSO-SVM的不锈钢焊缝缺陷分类研究 [J], 傅留虎;赵娜;闫耀东;张睿;柴钰杰;李宇琪因版权原因，仅展示原文概要，查看原文内容请购买。
视网膜图像中的血管分割与定位技术研究视网膜是眼部最重要的结构之一，它能够接收光线并将其转化为神经信号，从而传达至大脑。
视网膜的健康对于视力的维持和提升至关重要。
随着科技的不断发展，现代医学越来越多地利用数字图像处理技术来辅助进行眼科诊断。
其中，对于视网膜血管的分割和定位技术研究尤为重要。
视网膜血管分割的意义视网膜血管分割是指将视网膜图像中的血管从其他结构中分离出来的过程。
它是一种非常重要的技术，可以对多种眼科疾病进行诊断和治疗，如糖尿病视网膜病变、视网膜静脉阻塞等。
研究表明，糖尿病患者的视网膜血管常常出现异常，分割技术可以帮助医生准确地确定这些异常的位置和程度。
另外，视网膜血管分割技术也可以用于评估静态或动态的视网膜血管几何和特征。
对于研究视网膜血管的形态和特征，分割技术是必不可少的工具。
视网膜血管定位的意义视网膜血管定位是指将视网膜图像中的血管位置进行精确的标注和定位。
它是进行视网膜监测和诊断的重要手段。
通过对视网膜血管位置的准确标注和定位，医生可以了解血管变化的趋势和速度，从而对病情进行判断和治疗。
视网膜血管分割与定位技术的发展历程视网膜血管分割与定位技术的发展历程可以追溯至上个世纪90年代。
当时，由于计算机图像处理技术的限制，该技术的精度和速度都很低。
但是随着计算机性能和软件算法的不断提升，视网膜图像处理技术得到了很大的发展。
2004年，来自芬兰的研究人员提出了一种基于小波变换的血管特征提取方法，可以对图像进行快速而准确的处理。
该方法以其高效和准确性被医学界广泛应用。
2015年，巴西的研究人员提出了一种基于深度卷积神经网络的视网膜血管分割算法，该算法在准确度和处理速度方面得到了很大的提升。
目前，在视网膜检测和治疗方面，视网膜血管分割与定位技术已经成为一项非常重要的工具。
它为医生提供了一种可靠、高效的手段，用于指导视网膜治疗的过程，同时也为患者提供了更加精确和有效的治疗方式。
视网膜血管分割与定位技术的未来发展视网膜图像处理技术的发展是不断更新迭代的，未来该技术还将有更进一步的发展。
一种视网膜血管自适应提取方法潘立丰;王利生【期刊名称】《中国图象图形学报》【年(卷),期】2006(011)003【摘要】为了快速有效地提取视网膜血管,根据视网膜图像的灰度分布特征,提出了一种新的基于自适应阈值化的血管提取方法.该方法是首先把图像划分成很多同样尺寸的小子图像,然后在每个子图像中分别计算局部阈值,并用该阈值分割该子图像.因为视网膜图像中血管和背景在局部范围内都比较均匀,所以在每个子图像中都存在一个局部阈值能够将其中的血管分割出来.采用的局部阈值计算方法不仅允许子图像可以取得很小,而且能够保证得到平方误差最小意义下的最优阈值.在阈值计算过程中,还用到一种基于过零点边缘检测技术的边缘追踪算法.最后还提出一种基于区域生长的特征综合方法,即通过综合两次阈值化分割得到的血管结构来清除碎片.多幅视网膜图像的实验证明,该方法的计算速度很快,并且可以提取包括细血管在内的绝大部分血管.【总页数】7页(P310-316)【作者】潘立丰;王利生【作者单位】上海交通大学图像处理与模式识别研究所,上海,200030;上海交通大学图像处理与模式识别研究所,上海,200030【正文语种】中文【中图分类】R445.39【相关文献】1.一种基于视觉非线性和数学形态学的视网膜血管图像自适应增强… [J], 许雷;郑筱祥2.一种邻域自适应的双阈值点云特征提取方法 [J], 周建钊; 颜雨吉; 陈晨; 杜文超3.一种邻域自适应的双阈值点云特征提取方法 [J], 周建钊; 颜雨吉; 陈晨; 杜文超4.一种自适应阈值的水体信息提取方法研究 [J], 徐红伟;董张玉;杨学志5.一种自适应网页结构化信息提取方法 [J], 淮晓永;韩晓东;高若辰;高焕新因版权原因，仅展示原文概要，查看原文内容请购买。
基于聚类算法的眼底视网膜血管分割研究的开题报告一、研究背景和意义眼底视网膜血管分割技术是基于数字图像处理和分析技术，用于分割出眼底图片中的血管结构，是眼底疾病诊断和监测的重要方法之一。
通过对眼底图片的血管结构进行分割，可以提取出重要的血管信息，从而帮助医生快速、准确地诊断眼部疾病并进行有效的治疗。
传统的眼底血管分割方法存在着一些不足。
例如，传统的阈值分割方法需要手动设置阈值，不适用于不同光照和图片质量不同的情况；基于边缘检测的方法存在着对噪声和干扰比较敏感的问题；利用机器学习的方法虽然能够提高分割准确度，但是分类器需要大量的标注数据，而标注数据的获取比较困难和耗时。
因此，本研究将基于聚类算法，探讨如何快速、准确地分割出眼底视网膜血管的结构，提高眼底疾病的诊断效率和准确度。
二、研究内容和方法本研究将采用基于聚类算法的视网膜血管分割方法。
具体流程如下：1.预处理：首先对眼底图像进行预处理，包括：去除光斑、校正视网膜图像的几何畸变、对比度增强和灰度拉伸等。
2.特征提取：对预处理后的视网膜图像进行特征提取，提取出血管的特征，例如血管的宽度、长度、纹理等属性。
3.聚类分割：基于特征向量，利用聚类算法对血管和非血管像素进行分类，最终得到血管的结构。
4.后处理：对分割结果进行后处理，例如去除小的噪点、连接断裂的血管等。
三、预期成果和意义本研究预计将开发基于聚类算法的眼底视网膜血管分割方法，有效地提高眼底疾病的诊断效率和准确度。
具体成果如下：1.开发基于聚类算法的视网膜血管分割软件，能够自动地分割出眼底图片中的血管结构，提取出重要的血管信息，帮助医生进行眼底疾病的诊断和监测。
2.通过提高眼底疾病的诊断效率和准确度，为医生提供更有效的诊疗方案，有助于改善眼疾患者的生活质量。
3.为视网膜图像分析和图像识别领域的研究提供新的思路和方法，促进数字医疗技术的发展和应用。
四、可行性分析本研究将采用基于聚类算法的视网膜血管分割方法，该方法在图像分割领域已经得到了广泛的应用。
摘要摘要随着电子商务、手机支付和在线购物等线上交易模式的发展，人们对于虚拟数据的安全性的要求越来越高，传统的在线身份识别技术，如账号密码已不能满足安全性的需求，而生物识别技术得益于其可靠性、难伪造性开始逐渐被应用到手机、电脑等民用电子终端设备的身份认证和支付系统中。
在众多生物特征之中，视网膜是最可靠、最稳定以及最难被伪造的生物特征之一，因此它非常适合作为身份认证的标识。
在可预见的未来，视网膜识别技术有很大的希望被应用到在线支付、访问权限控制、自动取款等对安全性需求高的民用领域。
所以对于视网膜识别技术的研究有着极大的价值和良好的前景。
本文深入研究了大量与视网膜和生物识别相关国内外论文，特别是在视网膜图像的血管分割、特征提取以及特征匹配方面。
然后对这些论文提及的相关算法的进行挑选、整合和改进，设计了一套准确稳定的视网膜识别方案。
本文的主要工作和成果如下：(1)在视网膜图像分割阶段，研究了多种血管分割的算法，并加以对比。
结合视网膜血管的特征，最后采用高斯滤波对视网膜血管进行增强，并使用最大二维熵阈值算法进行血管分割。
通过实验检验，该方法对血管分割的效果要优于其他常用的边缘分割算法并具有良好的抗噪性。
(2)在特征点提取阶段，根据对视网膜血管的研究，选用血管的分叉点作为特征点，并利用形态学的知识对图像做了细化处理。
然后对Harris角点特征提取算法和邻域特征提取算法作了详细的分析，并将它们的提取结果标注出来进行对比，确认领域特征提取为最优的针对细化图的提取方式。
除此之外，还对利用二次特征提取来进一步排除伪特征点，增加了有效点的比例，提高了提取的准确度。
(3) 在特征点匹配阶段，研究和对比了几种常用的特征匹配方法，从稳定性、准确度和效率等多个方面衡量了它们的优缺点。
通过分析和比较，最终设计出了一种融合算法，将三角形匹配算法和二维聚类算法结合起来，充分利用了两者各自的优点，使匹配算法同时具备稳定性和效率。
除此之外还对模板三角形的选取方法和相似三角形检索算法进了一定的改进，提升了匹配的效率。
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910849327.9(22)申请日 2019.09.09(71)申请人 北京航空航天大学地址 100083 北京市海淀区学院路37号申请人 北京航空航天大学合肥创新研究院(72)发明人 张冀聪 王华 胡静斐 (74)专利代理机构 合肥天明专利事务所(普通合伙) 34115代理人 金凯(51)Int.Cl.G06T 7/00(2017.01)G06T 7/10(2017.01)G06N 3/04(2006.01)(54)发明名称基于视网膜眼底图像的视网膜血管分割方法及系统(57)摘要本发明公开了一种基于视网膜眼底图像的视网膜血管分割方法及系统，属于图像处理技术领域，包括：获取待检测视网膜眼底图像；根据视网膜眼底图像特征构建基础模块；通过级联N个基础模块作为最终的网络模型，将待检测视网膜眼底图像作为整体网络模型的输入，得到视网膜血管的分割结果。
通过将前一个基础模块的前景特征和原始图片一起传入到下一个基础模块中，使得后边的基础模块可以继承前边基础模块的学习经验，从而加速了训练过程并有效的解决了数据不平衡的问题；将待检测视网膜眼底图像作为整体模型S -UNet的输入，得到视网膜血管的分割结果更加准确。
权利要求书2页 说明书6页 附图2页CN 110689526 A 2020.01.14C N 110689526A1.一种基于视网膜眼底图像的视网膜血管分割方法，其特征在于，包括：获取待检测视网膜眼底图像；根据视网膜眼底图像特征构建整体网络模型，该整体网络模型包括采用注意力机制级联的N个基础模块，该基础模块为根据视网膜眼底图像特征所构建，N为正整数且N≥1；将待检测视网膜眼底图像作为整体网络模型的输入，得到视网膜血管的分割结果。
2.如权利要求1所述的基于视网膜眼底图像的视网膜血管分割方法，其特征在于，所述根据视网膜眼底图像特征构建整体网络模型，包括：根据视网膜眼底图像的特征，对经典的分割网络进行简化得到所述基础模块；获取视网膜眼底图像及其对应的手工血管分割图像，构成数据集；将所述数据集分为训练样本集、验证样本集和测试样本集；利用训练样本集和验证样本集分别对所述基础模块进行训练和验证，并通过对测试集测试确定所述基础模块的参数；确定所述基础模块的参数后，采用注意力机制级联N个所述基础模块，得到所述整体网络模型。
一种基于高斯匹配滤波法的视网膜图像血管中轴线快速提取算
法
许雷;郑筱祥
【期刊名称】《北京生物医学工程》
【年(卷),期】1998(017)003
【摘要】目的：研制快速、精确的视网膜血管中轴线（ｖｅｓｓｅｌａｘｉａｌｓｋｅｌｅｔｏｎＶＡＳ）提取算法，以定量分析眼底血管形态改变的细微变化。
方法：１．图像预处理（去噪、增强）。
２．以经二值化及膨胀后的梯度图像为模板，进行基于高斯匹配滤波法的快速血管提取。
３．后处理（细化等）。
结果：分别采用本文方法及传统方法对视网膜ＶＡＳ进行提取与结果比较。
结论：本文方法具有快速、精确、抗噪声能力强及提取出的ＶＡＳ
【总页数】5页(P161-165)
【作者】许雷;郑筱祥
【作者单位】不详;不详
【正文语种】中文
【中图分类】R770.43
【相关文献】
1.一种基于脑血管图像特征的快速边界跟踪算法 [J], 孙晓平;吴健;翟海涛;崔志明
2.一种基于高斯混合模型的快速水平集图像分割方法 [J], 程相康;朱宏擎
3.一种基于视觉非线性和数学形态学的视网膜血管图像自适应增强… [J], 许雷;郑
筱祥
4.基于多尺度匹配滤波法的视网膜血管分割 [J], 张也; 张勇德; 沙宪政
5.一种基于改进U形网络的眼底图像视网膜新生血管检测方法 [J], 邹北骥;易博松;刘晴
因版权原因，仅展示原文概要，查看原文内容请购买。
视盘自动分割算法徐小媚;赖小波;刘艳莉【期刊名称】《中国科技论文》【年(卷),期】2017(012)020【摘要】针对多数视盘提取算法因不均匀光照导致检测精度不高的问题,提出了1种基于阴影校正的视盘自动分割算法。
首先,利用Otsu方法分割视网膜红色分量眼底图像,提取和填充最大连通区域,均值滤波后得到视网膜掩膜图像,并与视网膜红色分量眼底图像卷积;其次,运用特定形式的均值滤波器平滑视网膜图像边界点,创建视网膜阴影图像;最后,将卷积图像减去阴影图像,再次利用Otsu方法进行分割,提取最大连通域并填充,应用“圆盘形”结构元素进行形态学“开”运算提取最终的视盘图像。
将所提出的算法在视网膜眼底图像有1 200张的MESSIDOR数据库和40张的本地数据库分别进行验证。
实验结果显示,所提出的算法平均重叠率分别为0.895和0.91,高于目前相关视盘分割算法,表明即使在非均匀光照条件下也能获得满意的分割结果,基本能够满足临床应用对稳定性和精度的要求。
【总页数】6页(P2349-2354)【作者】徐小媚;赖小波;刘艳莉【作者单位】[1]浙江中医药大学医学技术学院,杭州310053;;[1]浙江中医药大学医学技术学院,杭州310053;;[2]浙江中医药大学临床医学院,杭州310053;[3]浙江省中医院眼科,杭州310000【正文语种】中文【中图分类】R774.1【相关文献】1.基于深度学习的视盘自动检测 [J], 张贵英;张先杰2.基于PCNN自动波与偏态指标的图像自动分割算法 [J], 齐春亮;马义德;杜鸿飞3.视盘自动分割算法 [J], 徐小媚;赖小波;刘艳莉4.基于深度学习的视网膜病变眼底图视盘自动定位与分割研究 [J], 杨帆; 陈睿诗; 莫阳; 缪月红; 段平; 谷浩; 王丽会5.基于深度学习的视网膜病变眼底图视盘自动定位与分割研究 [J], 杨帆; 陈睿诗; 莫阳; 缪月红; 段平; 谷浩; 王丽会因版权原因，仅展示原文概要，查看原文内容请购买。
专利名称：面向青光眼临床诊断的视网膜血管自动分割方法专利类型：发明专利
发明人：赖小波,徐小媚,金波,刘玉凤,吕莉莉
申请号：CN201810606362.3
申请日：20180613
公开号：CN108986106A
公开日：
20181211
专利内容由知识产权出版社提供
摘要：本发明提出一种面向青光眼临床诊断的视网膜血管自动分割方法，通过融合匹配滤波器、神经网络、多尺度线检测、尺度空间分析和形态学五种依赖于不同图像处理技术的模型，消除了视盘和渗出物等明亮区域的影响。
同时，本发明不需要海量级别的数据建立视网膜血管分割模型，极大地降低了需要处理的数据量和复杂度，易于实现，能有效提高视网膜血管分割的效率。
本发明还在多模态融合结果的基础上利用区域生长法和梯度信息对背景和血管区域进行迭代生长，分割结果具有较好的连续性和平滑性，能保留更多的视网膜血管细节和更完整视的网膜血管网络，从而有效协助眼科医生诊断疾病，减轻眼科医生的负担。
申请人：浙江中医药大学
地址：310053 浙江省杭州市滨江区滨文路548号
国籍：CN
代理机构：杭州中成专利事务所有限公司
代理人：金祺
更多信息请下载全文后查看。
