[发明专利]一种基于Hessian矩阵的视网膜图像血管提取方法

说明书

本发明公开了一种基于Hessian矩阵的视网膜图像血管提取方法，涉及图像处理领域，首先获取视网膜G通道图像；然后对获得的图像用滤波器进行三次Hessian矩阵处理；再对获得的图像进行二值化处理；之后对获得的图像使用闭运算对图像进行修补；最后将获得的图像使用连通域去噪消除因多次Hessian矩阵得到增强的噪声。本发明以opencv为平台进行程序编写，结合Hessian矩阵的相关知识，完成了对视网膜图像中血管的提取，并提出了“三次Hessian矩阵处理+连通域去噪”的方案极大地提高了血管检测的精度及方案的抗噪能力，获得了不错的实验结果。

技术领域

本发明涉及图像处理领域，尤其涉及一种基于Hessian矩阵的视网膜图像血管提取方法。

背景技术

糖尿病视网膜病变是一种由糖尿病导致的并发症，在发达国家的工作人群中，糖尿病视网膜病变已经成为造成失明的最主要因素。虽然在当下的医疗条件下，糖尿病视网膜病变仍不能被完全治愈，但是及早的发现及就医仍能尽可能的减少视力损失。目前糖尿病视网膜病变主要通过视网膜图像的血管直径、颜色、曲率等特征来进行疾病诊断以及临床研究，这些血管具有如下四个特征：(1)血管横截面的灰度值分布近似于高斯曲线；(2)血管可看成是连续的一些线段；(3)血管的方向以及灰度值是连续变化的而非突变；(4)血管相互连通成树状结构，并起始于视盘。基于以上特征目前的血管检测可大致分为四类：匹配滤波器方法；数学形态学方法；血管跟踪方法；分类器方法。但这些方法几乎不能在良好降噪的同时较多的保持图像的细节部分，而这些细节部分——图像中很多细小的血管，这些病变的发现对早期疾病诊断具有重大的意义。

因此，本领域的技术人员致力于开发一种在血管图像的降噪提取的过程中，在去噪和提取细节两个方面均能达到较好效果的基于Hessian矩阵的视网膜图像血管提取方法。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何在降噪处理的同时保留更多的细节，即如何提高血管检测的精度及方案的抗噪能力。

为实现上述目的，本发明提供了一种基于Hessian矩阵的视网膜图像血管提取方法，其特征在于，所述方法包括以下步骤：

步骤1、获取视网膜G通道图像；

步骤2、对步骤1获得的图像用滤波器进行三次Hessian矩阵处理；

步骤3、对步骤2获得的图像进行二值化处理；

步骤4、对步骤3获得的图像使用闭运算对图像进行修补；

步骤5、对步骤4获得的图像使用连通域去噪。

进一步地，所述步骤2还包括：

步骤2.1、设置相应参数，使用Hessian矩阵法对步骤1获得的图像进行第一次处理；

步骤2.2、对步骤2.1获得的图像进行灰度值取反；

步骤2.3、设置相应参数，使用Hessian矩阵法对步骤2.2获得的图像进行第二次处理；

步骤2.4、对步骤2.3获得的图像进行灰度值取反；

步骤2.5、设置相应参数，使用Hessian矩阵法对步骤2.4获得的图像进行第三次处理。

进一步地，步骤1中所述滤波器为多尺度线性滤波器。

进一步地，步骤3中是通过OTSU算法进行二值化。

进一步地，步骤2.2和步骤2.4中所述灰度值取反的公式均为：

I(x,y)＝255-I′(x,y)

其中：I(x,y)为取反后某点灰度值，I′(x,y)为原图像中某点灰度值。