[发明专利]视网膜血管图像的分割方法

摘要

本发明实施例提供了一种视网膜血管图像的分割方法。该方法主要包括：对视网膜血管图像进行双尺度匹配滤波处理，得到细尺度匹配滤波响应图像和粗尺度匹配滤波响应图像；从细尺度匹配滤波响应图像中分割出线支持区域，使用局部自适应阈值方法对每一个线支持区域进行二值化处理，分割出细血管段；应用固定比例阈值算法对粗尺度匹配滤波图像进行分割，得到粗血管段。融合细血管段的分割结果和粗血管段的分割结果得到完整的视网膜血管分割结果，分割结果的准确率高。

主权项

1.一种视网膜血管图像的分割方法，其特征在于，包括：对视网膜血管图像进行双尺度匹配滤波处理，得到细尺度匹配滤波响应图像和粗尺度匹配滤波响应图像，包括：在应用匹配滤波时，选择比较小数值范围的σ，这个比较小的范围是1.3～1.6个像素，则滤波结果图像中的细血管更加容易得到加强，粗血管被腐蚀；相反，选择比较大数值范围的σ，这个比较大数值范围是2.0～2.4个像素，则粗血管得到加强，细血管被模糊化，其中，σ是血管 偏离度的宽度或者说高斯函数沿x轴坐标中心的偏离度；从所述细尺度匹配滤波响应图像中分割出线支持区域，使用局部自适应阈值方法对每一个线支持区域进行二值化处理，分割出细血管段，包括：计算细尺度匹配滤波图像中的每个像素点的梯度幅值和梯度方向，将所有像素点按照其梯度幅值大小进行排序，选取具有最高梯度幅值的像素点作为种子点，将梯度幅值小于设定的梯度阈值的像素点排除在线支持区域的构建过程外；基于所述种子点利用区域生长算法生成若干个线支持区域，每个线支持区域包括一个种子点，并且为一个与种子点具有相似梯度方向的像素集合，每个像素点包括两个状态：使用过和未使用；将细尺度匹配滤波图像分割出多个线支持区域后，使用局部自适应阈值方法应用Otsu算法对每一个线支持区域进行二值化处理，分割出前景和背景，分割出单个的细血管段；所述Otsu方法搜索最优的阈值使得前景与背景之间的方差最大，设t为前景和背景的分割阈值，则计算前景像素的概率w_0t和平均灰度u_0t，背景像素的概率w_1t和平均灰度为u_1t，前景和背景之间的方差表示为：g_t＝w_ot·(u_0t‑u_t)²+w_1t·(u_1t‑u_t)²其中u_t表示图像总平均灰度，t的取值范围为0‑255，当方差g_t最大时，前景和背景差异最大，则对应的灰度t是最佳阈值；应用固定比例阈值算法对所述粗尺度匹配滤波图像进行分割，得到粗血管段，包括：应用固定比例阈值算法对所述粗尺度匹配滤波图像进行分割，得到粗血管图像，所述固定比例阈值算法的阈值由以下公式计算：其中r是输入参数，表示预期的血管比例，Num是频次计算函数，Total表示像素总数；在应用所述固定比例阈值算法时，先对所述粗尺度匹配滤波图像中的像素进行降序排序，搜索最优的阈值Tr，根据所述最优阈值Tr对所述粗尺度匹配滤波图像进行二值化处理，分割出前景和背景，分割出单个的粗血管段。