学位论文 > 优秀研究生学位论文题录展示

视网膜血管图像增强与检测

作　者: 黎飞
导　师: 肖昌炎
学　校: 湖南大学
专　业: 生物医学工程
关键词: 血管增强图像分割结构张量微分滤波医学图像处理 Dijkstra算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 77次
引　用: 0次
阅　读: 论文下载

内容摘要

血管疾病是当今威胁人类健康的常见疾病，血管疾病的预防和诊断有重要的意义。但血管在人体组织中的分布复杂密集，形状规则不一，细小血管对比度低，不利于医生利用影像对病情进行诊断。因此需要通过各种图像处理方法抑制血管邻近组织和噪声干扰，同时实现血管增强和精准定位，为医生提供更可靠的信息，便于临床诊断和治疗。本文的研究内容主要包括以下三个方面：（1）结构张量是一种基于一阶梯度响应的结构检测算子，一般只适用于阶梯边的目标检测，而Hessian矩阵属于二阶微分算子，可用于类似于脊的形状检测。本文将结构张量与Hessian矩阵相结合，应用于血管的检测，这样兼顾了血管的轴线检测和边界定位，从而达到血管整体增强的目的。另外，通过分析梯度向量流在血管轴的扩散分布，发现可将它用于血管中心线定位，将其与结构张量相结合，利用结构张量对梯度向量的平均统计，从而达到了血管脊的增强。（2）传统Hessian分析血管滤波方法，在检测血管二阶结构的同时会对其它阶跃信号产生较强的伪响应，导致检测不准确。本文采用非线性高斯微分方法，将血管两侧与一阶高斯导数卷积，取两者响应最小值，实现了对血管脊的检测，并有效抑制阶跃噪声。该方法与Hough变换结合，可用于工业纸张侧面图中的管状端面检测，从而实现叠层纸张的精确计数。（3）传统的追踪分割方法虽然实现简单，但需要人工植入种子点，不能实现自动分割，并且对噪声敏感。本文采用最短路径血管追踪分割方法，依赖血管先验知识，包括血管尺度和方向的估计，来追踪具有相似特征的像素。此方法不须人工设置种子点，能对血管进行自动精确分割。本文通过对血管微分分析，利用结构张量和不同的增强算子结合来改进血管增强算法，并通过采用Dijkstra算法来求解最短路径，同时自动设置种子点，追踪相似血管特性，实现血管的自动提取分割。通过本文实验结果和标准数据库结果对比，验证了改进的增强和分割算法的性能。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-15
  1.1 研究背景及意义  10-11
  1.2 国内外研究现状  11-13
    1.2.1 血管图像增强方法  11-12
    1.2.2 血管图像分割方法  12-13
  1.3 论文的主要研究内容和结构安排  13-15
    1.3.1 主要研究内容  13
    1.3.2 论文结构安排  13-15
第2章血管增强检测算法研究  15-24
  2.1 多尺度高斯滤波  15-16
  2.2 非线性扩散血管增强  16-18
  2.3 结构张量原理  18-20
  2.4 非线性结构张量血管边缘检测  20-23
  2.5 本章小结  23-24
第3章基于结构张量的两种血管检测方法  24-33
  3.1 结构张量  24-25
  3.2 结构张量结合 Hessian 矩阵的血管增强算法  25-30
    3.2.1 Hessian 矩阵特征分析  25-28
    3.2.2 结构张量与海塞矩阵构造的血管检测函数  28-30
  3.3 结构张量结合梯度向量场的血管增强函数  30-32
    3.3.1 梯度向量场的原理  30-31
    3.3.2 GVF 结合结构张量的血管检测  31-32
  3.4 本章小结  32-33
第4章非线性组合脊检测  33-43
  4.1 非线性脊检测  33-35
  4.2 非线性脊检测的直线检测  35-36
  4.3 非线性组合的脊检测原理  36-38
  4.4 哈夫变换直线检测  38-40
  4.5 非线性脊检测在血管图像中的应用  40-42
  4.6 本章小结  42-43
第5章基于追踪算法的血管分割方法  43-55
  5.1 血管分割介绍  43-44
  5.2 基于区域增长的图像跟踪分割方法  44-47
  5.3 最短路径血管追踪算法  47-48
  5.4 Dijkstra 算法描叙  48-51
  5.5 最短路径血管检测方法  51-54
  5.6 本章小结  54-55
总结与展望  55-57
参考文献  57-61
致谢  61-62
附录 A 攻读学位期间所发表的学术论文与参与的课题  62

视网膜血管图像增强与检测

内容摘要

全文目录

相似论文