[发明专利]基于动态尺度分配的视网膜血管提取方法及系统

摘要

本发明公开了基于动态尺度分配的视网膜血管提取方法及系统；方法的步骤视网膜图像预处理对彩色视网膜图像的绿色通道分量进行对比度增强；图像分块对预处理后的视网膜图像分割成设定个数的子图像；血管分类将每个子图像中血管分为大中小三类；动态尺度分配动态选择不同尺度的滤波器对不同宽度血管进行增强；多尺度匹配滤波；阈值处理提取出血管结构并剔除非血管结构，将所有子图像的提取结果进行重新拼接，得到视网膜血管网络二值图像；后处理得到分割精度高的视网膜血管网络图像。本发明的有益效果实现对视网膜图像的血管提取，并在剔除复杂非血管结构的同时，避免了对血管宽度的过分估计，实现了更简单、更准确的视网膜血管提取。

主权项

基于动态尺度分配的视网膜血管提取方法，其特征是，包括如下步骤：步骤(1)：视网膜图像预处理：对彩色视网膜图像的绿色通道分量进行对比度增强；步骤(2)：图像分块：对预处理后的视网膜图像分割成设定个数的子图像；步骤(3)：血管分类：将每个子图像中血管分为大中小三类；步骤(4)：动态尺度分配：利用滤波器尺度与血管宽度之间的关系，动态选择不同尺度的滤波器对不同宽度血管进行增强；步骤(5)：多尺度匹配滤波：采用高斯匹配滤波模板和高斯一阶导数匹配滤波模板同时对增强后的视网膜图像进行匹配滤波，分别得到高斯匹配滤波器与视网膜图像的卷积响应及高斯一阶导数匹配滤波器与视网膜图像的卷积响应；并进一步计算得到高斯一阶导数匹配滤波器与视网膜图像卷积响应的局部均值响应；步骤(6)：阈值处理：利用高斯一阶导数匹配滤波器与视网膜图像卷积响应的局部均值响应对每个像素点的分割阈值进行调整，得到整个图像的阈值矩阵；将整个图像的阈值矩阵与高斯匹配滤波器和视网膜图像的卷积响应进行逐点比较，提取出血管结构并剔除非血管结构，将所有子图像的提取结果进行重新拼接，得到视网膜血管网络二值图像；步骤(7)：后处理：对阈值处理后的视网膜血管网络二值图像进一步消除噪声，对血管边缘进行平滑处理，消除图像中残留的视网膜边界，对不连续的细小血管进行断点连接，从而保留图像细节，得到分割精度高的视网膜血管网络图像。