[发明专利]一种新的视网膜眼底图像分割方法

说明书

技术领域

本发明涉及计算机图像处理领域，具体为一种基于结合多尺度线性检测与利用灰度—梯度共生矩阵获取最佳熵阈值，进行视网膜眼底图像分割方法，尤其适合正常的视网膜眼底图像分割。

背景技术

视网膜血管，是全身微循环系统的重要组成部分，其形态结构的变化与糖尿病，高血压，脑血管硬化和冠状动脉硬化等心血管疾病的病情严重程度密切相关。通过提取视网膜血管，分析其特征，例如，血管管径及弯曲度等，并进行相关参数的测量分析，就能够很大程度上对心血管疾病进行预测，从而实施科学的预防性干预和药物治疗。

视网膜眼底图像中血管的分割算法还是不少的。Chaudhuri等人在论文《Detection of blood vessels in retinal images using two-dimensional matched filters》中提出了一种二维匹配滤波的方法，滤波后的血管结构得到增强，但是易丢失血管分叉点和细小的血管。Thitiporn等人在论文《An efficient blood vessel detection algorithm for retinal images using local entropy thresholding》中提出了基于局部熵阈值的血管分割方法，方法简单快速，对正常的视网膜血管图像能实现较好的分割，对于病变图像分割效果差。Nguyen等人在论文《An effective retinal blood vessel segmentation method using multi_scale line detection》中提出了多尺度线性检测器的方法对血管进行检测。此外，监督学习的方法也用于实现血管分割(You在论文《Segmentation of retinal blood vessels using the radial projection and semi-supervised approach》中使用了支持向量机的方法，Soares在论文《Retinal vessel segmentation using the2-dgabor wavelet and supervised classification》中使用贝叶斯分类器等)。多数方法采用已分割的血管和背景数据得到训练模型，然后用此模型对新图像的每一个像素点进行分类，判断该像素点是血管还是背景。Zana等人在论文《Segmentation of vessel-like patterns using mathematica lmorphology and curvature evaluation》中提出基于血管分段呈线性和分段连接的特点，使用具有线性结构元素的数字形态操作算子来增强血管和区别背景。

上述血管分割算法仍然会存在一些缺陷，包括：血管中央反射区分割效果差，分叉点和交叉点的分割效果差；紧靠的血管容易合并，难分割；细小血管容易丢失；在视盘和病理区存在错误的血管检测。

发明内容

本发明的目的在于克服上述现有技术的不足之处，提出了一种新的视网膜眼底图像分割方法，该方法能够正确分割紧邻的血管和存在中央反射区的血管，并且能够分割出更多细小的血管。除此之外，由于该方法有很好的鲁棒性。

本发明是通过以下技术方案实现的，包括以下步骤：

S1：对视网膜眼底图像进行图像预处理。

彩色眼底图像为RGB图像，选取包含血管轮廓信息丰富且对比度较强的绿色分量进行血管分割。绿色分量的灰度图像光照不均匀，动态范围小，细节不够清晰，故需要对绿色分量图像进行预处理，具体操作包括：阴影修正，降噪，对比度受限的直方图均衡化处理(CLAHE)。

采用OSTU阈值方法求解原始眼底图像的红色分量的阈值，根据阈值将图像进行二值化处理，从而得到二值图像。对二值图像执行形态学的“开”操作，“闭”操作及“腐蚀”操作，便可得到掩膜图像，该图像中，对原始眼底图像感兴趣的部分标记为1，其余背景部分标记为0。利用掩膜图像选取眼底图像感兴趣的部分，最后得到预处理后的图像。

S2：利用第一步得到的预处理后的图像进行多尺度多方向线性检测。

本文采用多尺度多方向的线性检测器对归一化的图像进行检测。较长的线性检测器用于检测中央反射区，较短的线性检测器可以避免出现紧靠的血管不易分割，因此，融合不同尺度的线性检测器便可以综合上述优点，达到很好的分割效果。

S3：基于灰度—梯度共生矩阵，计算第二步得到的图像的最佳分割阈值。