毕业设计（论文）视网膜血管分割系统设计与实现技术研究.doc

视网膜血管分割系统设计与实现技术研究 摘 要 视网膜血管检测作为图像处理的一个应用在临床医学中发挥着愈来愈重要的作用基于图像处理的血管检测方法主要包括分割技术、跟踪技术和拟合技术本文主要致力于研究基于采用Canny算子与数学形态学滤波相结合的方法进行自适应图像分割算法及其实现技术该研究的主要工作包括：1）综述了公开报道的各种视网膜血管检测方法；2）研究了Canny算子与数学形态学滤波相结合的方法算法及其实现技术；3）通过VC++6.0编程实现了Canny算子与数学形态学滤波相结合的方法算法进行视网膜血管提取；4）通过实验验证了算法的有效性关键词：视网膜图像，血管检测，图像分割，Canny,数学形态学MINIMAL-PATH BASED APPROACH TO DETECTION OF RETINAL VESSELSABSTRACT As an application of image processing, the detection of retinal vessels plays more and more important role in clinical medicine. The main methods of vessel detection include segmentation technique, tracking techniques and fitting techniques. This thesis arms to study the minimal-path based tracking algorithm and the corresponding implementation techniques. The main contributions are the follows: 1) presented a brief review of various published detection methods of retinal vessels; 2) discussed the minimal-path algorithms and their implementations; 3) realized the extraction of retinal vessels based on Dijkstra algorithm, programming with VC++6.0; 4) evaluated the performance of minimal-path algorithm by experiments.Key Words: retinal image, vessel detection, image segmentation, Canny, Mathematical Morphology 目 录摘 要 3ABSTRACT 4第1章 绪论 7第2章 设计方案 82.1 图像信息的采集 82.1.1采集的过程 82.1.2 图像命名规则 82.2 数字图像预处理 82.2.1 灰度化处理 92.2.2 将掌纹图像二值化 92.2.3 掌纹图像定位点的自动检测 92.2.4 旋转转正方法 112.2.5 掌纹提取方法 112.3 对图像进行特征提取 122.3.1 Gabor变换 122.3.2 不变矩 132.4 对图像进行分类识别 14第3章 实验结果 153.1 实验结果 153.2研究成果 15第4章 结 论 164.1 总结 164.2 工作展望 16参考文献 17附录1 掌纹自动识别系统 18附录2 掌纹图像预处理 21附录3 掌纹特征GABOR变换和特征提取 23致 谢 26数据库图像资料 271浙江省“新苗人才计划”项目 视网膜血管分割系统设计与实现 项目研究报告第1章 绪 论1.1本课题研究的目的及意义视网膜血管是人体唯一可以在活体使用非创伤性手段直接观察到的血管,许多全身性血管病以及代谢性疾病均可使眼底血管受到不同程度的侵犯,特别是心、脑、肾等与血管有关的器官发生病变,眼底血管的改变在一定程度上可反映病变的程度[1]。

临床上,视网膜血管网络对高血压、糖尿病、动脉硬化、肾炎等疾病的诊断、治疗、愈后评价都具有重要意义[2-3]另外，视网膜血管作为一种人体生物特征，其结构稳定，隐蔽性强，在身份鉴别等高层次安全保密方面有重要的应用前景由于硬件限制，视网膜图像较明显地表现出以下特点：光照不均匀；血管与背景的对比度不强；图像噪声点多这导致采用常用的图像处理方法很难分割出满意的效果，寻找合适的视网膜血管提取方法是难点所在[4]目前视网膜血管的检测方法已有不少，但是基于Canny算子与数学形态学滤波相结合的方法算法尚未见发表本文就重点研究基于Canny算子与数学形态学滤波相结合的视网膜血管检测算法基于Canny边缘检测算子的血管分割算法Canny算子具有良好的多尺度特性，已广泛地用于图像边缘检测该方法既可有效地抑制图像中的噪声，有可保持边缘的连通性，是一种较理想的边缘检测算子无论采用何种边缘检测算法都难以完全消除噪声的影响为提高边缘检测的有效性，该研究将探讨基于数学形态学的后处理算法，已提取真实的血管网络1.2相关研究工作图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。

图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位图像边缘检测算法在过去已经被许多人提出过，并且这些人的算法都有着很多不一样的地方大致可以分为两类，(1)基于梯度的边缘检测算法，(2)基于零点交叉边缘检测算法主要具体的有Sobel，Reberts，Laplacian，LOG等这些算法1.2.1 基于Laplacian算子的视网膜图像的分割方法Laplacian算子是常用的边缘检测算子拉普拉斯算子是最简单的各向同性微分算子，具有旋转不变性一个二维图像函数的拉普拉斯变换是各向同性的二阶导数另外，拉普拉斯算子还可以表示成模板的形式，如图1-1所示图1-1（a）表示离散拉普拉斯算子的模板，图1-1（b）表示其扩展模板，从模板形式容易看出，如果在图像中一个较暗的区域中出现了一个亮点，那么用拉普拉斯运算就会使这个亮点变得更亮因为图像中的边缘就是那些灰度发生跳变的区域，所以拉普拉斯锐化模板在边缘检测中很有用一般增强技术对于陡峭的边缘和缓慢变化的边缘很难确定其边缘线的位置但此算子却可用二次微分正峰和负峰之间的过零点来确定，对孤立点或端点更为敏感，因此特别适用于以突出图像中的孤立点、孤立线或线端点为目的的场合。

1-1(a) 1-1(b)1.2.2 基于Sobel算子的视网膜图像的分割方法Sobel算子在图像上求出二维的空间梯度，和梯度高的区域与边缘的区域相一致Sobel 算子通常用于求输入的灰度级图像的每一个的近似的绝对梯度Sobel 模板设计是用来在图像的垂直和水平方向最大的限度去反映边缘，这些方向性的边缘最后会汇合在一起的基于Sobel算子的模板是1.2.3 基于LOG算子的视网膜图像的分割方法这个算子可以说是Laplacian的改进版，因为Laplacian其他的梯度算子一样，会增强图像中的噪声而LOG算子比Laplacian算子多做的就是它是先对图像进行了Gauss平滑通过Gauss平滑除去图像噪声，然后再进行边缘的检测，这样做的效果会比较好下面是LOG的5*5的模板第2章 设计方案图像边缘提取一般划分为视网膜图像采集、预处理、算法处理、保存处理图片几个过程图像采集主要完成视网膜原始图像的获取及保存任务，然后经过预处理阶段进行图像的去噪、平滑等操作，形成标准视网膜数据库，再对这些数据库中的图像进行算法处理，然后保存处理以后的图片以进行不同的算法之间的比较。

2.1 图像信息的采集我们采用Nommyd-7免散瞳眼底相机作为视网膜图像信息采集工具Nommyd-7免散瞳眼底相机、扫描图像类型真彩色图像、图像存储格式BMP格式、分辨率565×584随机选择10个学生，对他们的左眼和右眼分别各采集5对视网膜图像，建立视网膜图像数据库2.1.1采集的过程以一个人采集为例：第一步，将Nommyd-7免散瞳眼底相机跟计算机连接好第二步，将一只眼睛对准相机上第三步，开始拍摄，将拍摄以后的图像以bmp的格式保存下来2.1.2 图像命名规则采集到的图像需要采用统一的命名规则，经过一定的组织才能最终成为标准数据库具体命名方法如下：每幅图像用二个字段表示 ，即表示为 AB. bmp的形式A表示被采集者的姓名的第一个字母（如果出现重复的时候，再在后面加数字，表示第几个重复的）B区分采集人的左右 ，左眼用“L”表示 ，右眼用“R”表示；例如，陈红用右眼拍摄，命名为：chR.bmp如果有第二个陈红来拍摄右眼的视网膜，命名为：ch1R.bmp这样命名，对于较小的环境而言，是有好处的，可以直接通过命名，得知这是谁的视网膜同时，也存在缺点，当被采集者的数量增大的时候，就会失去上面的优势。

2.2 数字图像预处理由于Canny算子这个算法本身就是根据灰度值的变化来确定某一点是否是边缘，但是我们从相机中得到的是真彩色图所以，在进行正常的边缘识别的过程中一定要进行灰度话处理这也是我们这个系统第一步要做的事情2.2.1 灰度化处理由彩色转化为灰度的过程叫做灰度化处理，它是使RGB模型中的R=G=B转换后的黑白图像的一个像素用一个字节表示该点的灰度值，它的值在0～255之间，转换关系为：Gray（i，j）=0.11R（i，j）+0.59G（i，j）+0.3B(i，j)在实际中，可以取3个分量中的最大值作为灰度值灰度处理首先读入图像的拷贝文件到内存中，找到R，G，B中的最大值，使颜色的分量值都相等且等于最大值，这样就可以使图像变成灰度图像算法：1) 取得图像文件的拷贝文件；2) 取得图像的数据区指针，得到R，G，B三个分值；3) 对R，G，B三个分量做比较，gray=max（R，G，B）；4) 将gray返回给R，G，B三个分量；5) 显示图像2.3 对图像进行处理(Canny算子)坎尼(Canny)算子是1986年John Canny在IEEE上发表的“A Computational Approach to Edge Detection”这篇文章中提出的。

文章中还给出了边缘检测的三条准则，即Canny准备(Canny's Criteria)并在此基础上提出了一个实用算法Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是：(1) 优良的信噪比，即对边缘的错误检测率要尽可能的低也就是说将非边缘点判别为边缘点比将边缘点判别为非边缘点的概率要低2) 优良的定位性能，即检测出的边缘位置尽可能在实际边缘的中心3) 对同一边缘仅有唯一的响应，即单个边缘产生多个响应的概率要低，并且虚假边缘应受到极大的抑制Canny算子对图像的处理过程可以概括为一下几个步骤:(1) 过滤，。