[发明专利]一种视网膜图像增强的方法

权利要求书

1.一种视网膜图像增强的方法，其特征在于，包括：

对视网膜图像进行双树复数小波分解，得到6个高频部分图像和2个低频部分图像；

对分解得到的低频部分图像进行形态学运算，得到增强的低频部分图像；

对分解得到的高频部分图像的细节部分进行去噪处理，得到去噪的高频部分图像；

将所述增强的低频部分图像和所述去噪的高频部分图像进行双树复小波逆变换处理，得到增强后的视网膜图像。

2.如权利要求1所述的方法，其特征在于，当对视网膜图像进行双树复数小波分解时，在分解的同时，对所述低频部分图像进行了去噪处理。

3.如权利要求1所述的方法，其特征在于，所述对分解得到的低频部分图像进行形态学运算，得到增强的低频部分图像的步骤具体为：

把所述低频部分图像作为形态学变换的原始灰度图像；

对所述原始灰度图像进行形态学运算，得到增强的低频部分图像。

4.如权利要求3所述的方法，其特征在于，所述对所述原始灰度图像进行形态学运算，得到增强的低频部分图像的步骤具体为：

对原始灰度图像f进行top-hat变换结果有2种，即白变换和暗变换：

BTH(x,y)＝f·B-f(13)

式中，B为结构元素，结构元素与原始灰度图像做膨胀、腐蚀操作得到开、闭运算结果，即f·B，它们的定义分别为：

f·B=(f⊕B)ΘB---(15)]]>

其中，

f⊕B=maxu,v(f(x-u,y-v)+B(u,v))---(16)]]>

fΘB=maxu,v(f(x+u,y+v)-B(u,v))---(17)]]>

为形态学的膨胀操作，fΘB为腐蚀操作；由上述式(14)、(15)可知，开、闭运算是建立在膨胀、腐蚀的基础上的；在图像的不同区域，开、闭运算的作用是不一样的，虽然功能不同但两者都能保证图像的细节和整体灰度级不发生变化；

视网膜图像的增强处理主要是为了对血管网络的清晰度进行增强，但是每条血管的差异度都很大，不利于一次求解；因此需要在不同方向都进行变换；在N个方向进行白top-hat变换并求和，得到图像的WTH(x,y)_i表示为：

类似的，可得到图像的BTH(x,y)_i为：

BTH(x,y)i=Σi=0N-1(f·Bi-f)---(19)]]>

因此，基于形态学top-hat变换的视网膜图像强可表示为：

f_en＝f+f_w-f_b(20)

式中，f_en为经top-hat变换增强的低频部分图像，f为原始灰度图像，f_w、f_b分别为上述提取的白、暗区域WTH(x,y)_i、BTH(x,y)_i。

5.如权利要求1所述的方法，其特征在于，当对分解得到的高频部分图像的细节部分进行去噪处理时，采用自适应阈值处理方法。