一種基于自適應(yīng)高斯差分的眼底圖像血管分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于生物醫(yī)學圖像處理技術(shù)領(lǐng)域，涉及一種基于自適應(yīng)高斯差分的眼底圖 像中血管的分割方法，可用于對正常和病變程度不同的眼底圖像進行血管分割。
【背景技術(shù)】
[0002] 眼底血管結(jié)構(gòu)的變化是糖尿病、高血壓、心血管疾病和中風等很多疾病的表征，其 中，血管直徑、分叉角度的改變以及血管扭曲都是高血壓的病癥，新生血管的形成是糖尿病 的標志，在發(fā)展中國家，糖尿病的并發(fā)癥是導(dǎo)致眼睛失明的誘因，動靜脈血管的局部變細是 中風的重要前兆。這些眼底血管變化的早期檢查對于醫(yī)生對患者執(zhí)行早期介入以及防止患 者視力下降非常重要。因此，血管的精確分割對于醫(yī)學診斷中量化這些特征起著關(guān)鍵的作 用。
[0003] 目前已有許多血管分割方法，它們采用預(yù)先制定的判斷準則將圖像像素分為血管 和背景，或者基于標準圖像提供的血管特征，如血管厚度、血管方向和血管彎曲度等來分割 血管。這些方法大致分為三類：基于邊界的分割方法；基于區(qū)域的分割方法；基于特定理論 和工具的分割方法等。分析已有的眼底圖像血管分割方法，可以發(fā)現(xiàn)大部分方法都只針對 正常的成像較好的眼底圖像進行血管分割，而對于低對比度的血管末梢和發(fā)生病變的眼底 圖像，由于血管和背景區(qū)域像素灰度值接近以及病灶（亮或暗的斑點、斑塊）的干擾，無法 將血管與背景正確地分割出來。其中的根本原因是傳統(tǒng)方法只是利用灰度（或梯度）信息 來描述圖像，而梯度信息對圖像中大量的噪聲非常敏感，而且隨著圖像的對比度和亮度的 改變而改變?；诨叶鹊奶幚矸椒▽D像質(zhì)量要求高，對于具有復(fù)雜背景的眼底圖像，處理 效果難以達到要求。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是克服現(xiàn)有技術(shù)的上述不足，提出了一種自適應(yīng)高斯差分算法對眼 底圖像血管進行分割的方法，該方法對圖像亮度和對比度不敏感，克服了傳統(tǒng)方法無法正 確分割病變眼底圖像中血管的缺點。實現(xiàn)本發(fā)明目的技術(shù)方案，包括下列步驟：
[0005] 步驟1-1 :輸入一幅彩色眼底圖像I(x，y);
[0006] 步驟1-2 :提取彩色眼底圖像的綠色通道圖像G(x，y);
[0007] 步驟1-3 :采用對比度受限的自適應(yīng)直方圖均衡化（CLAHE)增強圖像的對比度，采 用滑動窗口進行局部直方圖均衡化；
[0008] 步驟1-4 :采用各向異性耦合擴散方程對眼底圖像進行濾波，對初始圖像進行變 形，控制擴散速度和擴散方向，在垂直于圖像邊緣的方向禁止擴散，僅在沿著圖像邊緣的方 向進行濾波，從而消除噪聲并且保持血管信息；
[0009] 步驟1-5 :采用基于自適應(yīng)高斯差分的算法在從0°到180°，以15°為步長的12 個方向上增強眼底血管，分別得到眼底血管增強圖；
[0010] 步驟1-6 :采用Otsu閾值分割算法進行二值化，得到血管分割的二值圖像Bi(x， y)，其中，i= 1，2,…，12,并將12個方向上的二值圖像進行疊加得到完整血管分割圖像B(x,y)；
[0011] 步驟1-7 :根據(jù)眼底圖像預(yù)處理得到圖像的直方圖的雙峰性，以直方圖第二個峰 值處的灰度值的20%為閾值，分割提取眼底圖像中亮區(qū)域M(x，y);
[0012] 步驟1-8 :從血管分割的二值圖像B(x，y)中減去M(x，y)，減小眼底圖像中亮病變 區(qū)域以及視盤對于血管分割的影響。
[0013] 進一步講，其中的自適應(yīng)高斯差分算法的步驟包括：
[0014] 步驟2-1:構(gòu)造高斯尺度空間。首先構(gòu)造高斯核
，是一個 的矩陣，其中0為尺度因子且0i=k〇i_i(k>l，i= 1，2,3*"），由〇i體現(xiàn)高斯尺度 空間中每層尺度的差異，尺度空間之間的尺度因子的遞增參數(shù)k根據(jù)高斯差分算法與拉普 拉斯算子的相似性取值為1.6。然后采用構(gòu)造的高斯核與預(yù)處理圖像P(x，y)進行卷積，即 L(x，y，〇) =G(x，y，OihPkyhLiky，〇)即為高斯尺度空間中每層的高斯平滑圖 像。
[0015] 步驟2-2 :利用高斯尺度空間進行以尺度〇 因子的高斯差分運算
[0017] 其中，MXN為圖像大小。
[0018] 步驟2-3 :再對高斯空間中每兩層相減得到的高斯差分圖像Di采用加權(quán)取平均運 算獲取采取高斯差分算法分割的血管增強圖像，計算過程如下：
[0020] 其中，n為高斯尺度空間中圖像總層數(shù)，為各層目標圖像所占權(quán)重。當D#S 時，尺度空間創(chuàng)建停止，高斯差分計算也結(jié)束，從而確定n的大小，其中S為給定誤差閾值。n的選取是自適應(yīng)的，因其是根據(jù)Di的大小而自適應(yīng)地判斷高斯尺度空間創(chuàng)建是否停止， 的定義如下：
[0022] 步驟2-4 :對高斯差分加權(quán)平均得到的結(jié)果D(x，y)采用Otsu閾值分割算法進行 二值化，得到血管分割的二值圖像。
[0023] 步驟2-5:在0°到180°內(nèi)，以15°為步長，分別在12個方向上對預(yù)處理圖像進 行自適應(yīng)的高斯差分算法，并將12個結(jié)果疊加在一起，得到最終的血管分割結(jié)果B(x，y)。
[0024] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
[0025] (1)采用基于高斯尺度空間的高斯核算子的自適應(yīng)高斯差分算法對預(yù)處理后的眼 底圖像做血管增強，設(shè)計了高斯核，可以旋轉(zhuǎn)任意不同的角度，對相鄰的以一定比例增大的 尺度因子作用后的高斯濾波結(jié)果進行差分，尺度因子增大的過程停止采用自適應(yīng)的方法， 即相鄰兩個高斯濾波結(jié)果的差值小于給定的閾值，然后對各個差分結(jié)果加權(quán)求和，權(quán)值依 據(jù)高斯差分結(jié)果制定。
[0026] (2)由于彩色眼底圖像預(yù)處理得到圖像的直方圖呈雙峰狀，根據(jù)這一個特點，選取 第二個明顯峰值，即灰度值較大處的峰值20%處對應(yīng)的灰度值作為閾值分割眼底圖像的亮 區(qū)域，可以抑制眼底圖像中亮病變和視盤對血管分割的影響。
【附圖說明】
[0027] 圖1 :為本發(fā)明方法的步驟流程框圖；
[0028] 圖2 : (a)彩色眼底原圖，（b)綠色通道圖像，（c)對比度受限的直方圖均衡化增強 后圖像，（d)各向異性耦合擴散濾波后圖像；
[0029] 圖3 :自適應(yīng)高斯差分結(jié)果；
[0030] 圖4:12個方向上的自適應(yīng)高斯差分閾值分割結(jié)果（從圖4(a)到圖4(1)依次為 0°、15°、…、165°方向上的處理結(jié)果）；
[0031] 圖5 :12個方向的圖像疊加結(jié)果；
[0032] 圖6 :彩色眼底圖像預(yù)處理得到圖像的直方圖雙峰性示意圖；
[0033] 圖7 :彩色眼底圖像上亮區(qū)域的分割提取：（a)有亮病變的彩色眼底圖，（b)眼底圖 像上亮區(qū)域分割圖；
[0034] 圖8 :對于彩色眼底圖像上有亮病變的眼底圖像血管分割過程：（a)彩色眼底原 圖，（b)自適應(yīng)高斯差分結(jié)果，（c) 12個方向二值化圖像疊加結(jié)果，（d)去除亮區(qū)域影響的血 管分割結(jié)果；
[0035] 圖9 :低對比度的彩色眼底圖的血管分割過程：（a)彩色眼底原圖，（b)本方法血管 分割結(jié)果，（c)第一個專家手動分割結(jié)果，（d)第二個專家手動分割結(jié)果。
【具體實施方式】
[0036] 本發(fā)明的流程圖如圖1所示，首先提取眼底圖像的綠色通道，用對比度受限的自 適應(yīng)直方圖均衡化提高圖像的對比度；采用各向異性耦合擴散方程進行濾波來提高血管的 清晰度；然后采用基于自適應(yīng)的高斯差分算法對眼底圖像進行血管分割；并將高斯差分結(jié) 果的血管增強圖二值化，去掉亮區(qū)域?qū)ρ芊指罱Y(jié)果的影響；最后疊加12個方向的分割結(jié) 果得到最終結(jié)果，保證每個方向上的血管都被檢測到。下面結(jié)合附圖，對本發(fā)明技術(shù)方案的 具體實施過程加以說明。
[0037] 1.提取眼底圖像的綠色通道G(x，y);
[0038] 輸入如圖2(a)所示的彩色眼底圖像，提取該眼底圖像的綠色通道，處理后的圖像 如圖2(b)所示。
[0039] 2.用對比度受限的自適應(yīng)直方圖均衡化（CLAHE)增強圖像的對比度；
[0040] 用CLAHE對圖2 (b)進行處理結(jié)果如圖2 (c)所示。CLAHE采用滑動窗口，分別統(tǒng)計 窗口內(nèi)和窗口外的歸一化直方圖，進而將局部直方圖定義為：
[0041]h(s) = |3hw(s) + (l-|3 )hb(s) (1)其中，s表示灰度值，hw(s)表示窗口 內(nèi)的歸 一化直方圖，hb(s)表不窗口外的歸一化直方圖，0 < 0 < 1。調(diào)整0的大小，就可以調(diào)整 窗口外部環(huán)境對窗口內(nèi)變換的影響程度。在CLAHE處理過程中，對窗口的局部直方圖進行 均衡化，以實現(xiàn)對窗口中心像素的灰度級的增強。窗口從左到右、從上到下移動，最終完成 對整幅圖像對比度的增強。
[0042] 3.采用各向異性耦合擴散方程對眼底圖像進行濾波；
[0043] 用各向異性耦合擴散方程對圖2(c)進行濾波處理，結(jié)果如圖2(d)所示。各向異 性耦合擴散方程把原始圖像作為擴散方程的初始條件，利用耦合擴散方程對初始圖像進行 變形得到濾波結(jié)果，在此過程中方程的擴散是梯度方向受限的，因此該模