基于等梯度距離的雙向區(qū)域增長的視網(wǎng)膜血管分割交互式方法
【專利摘要】本發(fā)明公開了一種基于等梯度距離的雙向區(qū)域增長的視網(wǎng)膜血管分割交互式方法，首先從眼底圖像中分離出綠色通道，對綠色通道進行梯度計算，得到眼底圖像的梯度圖；同時，利用用戶在圖像上的標記數(shù)據(jù)，計算得到眼底圖像感興趣區(qū)域的距離圖，將眼底圖像的梯度圖和距離圖組合得到用來分割血管的等梯度距離圖；并在此基礎(chǔ)上對血管和背景進行雙向區(qū)域增長，得到初步的血管分割結(jié)果，最后通過對區(qū)域增長結(jié)果進行基于中心線自適應(yīng)和鄰域自適應(yīng)的邊緣優(yōu)化，得到最終的邊緣平滑且寬度一致的局部血管分割結(jié)果。該方法可以加入醫(yī)生的先驗知識，保證血管分割的精確性，又能解決人工手動分割的效率問題，且具有很好的實時性。
【專利說明】基于等梯度距離的雙向區(qū)域增長的視網(wǎng)膜血管分割交互式 方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像分割【技術(shù)領(lǐng)域】，涉及一種基于等梯度距離的雙向區(qū)域增長的視網(wǎng) 膜血管分割交互式方法。

【背景技術(shù)】
[0002] 眼睛是人體接受外界信息的最主要器官，約80%左右的信息來源于視覺信息，眼 睛的健康與否對人的學習、生活和工作的影響非常大，而眼底則是這個器官的重要組成部 分。絕大多數(shù)眼科疾病都是由眼底視網(wǎng)膜病變引發(fā)的，所以眼科醫(yī)生在臨床診斷過程中非 常重視眼底檢查，以便正確判斷疾病類型和發(fā)病原因。視網(wǎng)膜血管分割是眼底圖像計算機 輔助診斷領(lǐng)域中的關(guān)鍵技術(shù)，尤其在眼底疾病篩查方面占有重要地位，如果能通過計算機 自動地將大多數(shù)健康的眼底圖像過濾掉，將大大降低醫(yī)生的閱片量，從而大幅度提高醫(yī)生 的工作效率，減少患者的等待時間。
[0003] 從視覺角度上看，分割好的視網(wǎng)膜血管網(wǎng)絡(luò)相比原始彩色眼底圖像可以更好地為 醫(yī)生及科研人員提供直觀、定性且清晰的形態(tài)信息；另外分割好的視網(wǎng)膜血管網(wǎng)絡(luò)可以很 容易的進行各種定量分析，為大多數(shù)眼病及一些全身性心血管疾病的診斷、治療以及術(shù)后 評估提供了重要的客觀參考價值。
[0004] 視網(wǎng)膜血管網(wǎng)絡(luò)錯綜復雜，不同位置的血管直徑大小不一，雖然宏觀上看血管網(wǎng) 絡(luò)與背景區(qū)別較大，且灰度變化不明顯，但實際上血管的亮度隨著血管的延伸在緩慢變化， 尤其是細血管與背景的對比度很低。另外，眼底圖像背景的亮度也是非常不均勻的，視盤區(qū) 域更加明亮，黃斑區(qū)域則呈現(xiàn)暗黃色，除此之外的其他背景區(qū)域也有亮度變化，如果是帶病 灶的眼底圖像，背景則變得更加復雜。因此，視網(wǎng)膜血管分割技術(shù)一直是眼底圖像分析領(lǐng)域 的熱點和難題，近二十年國內(nèi)外研究者也先后提出了大量的視網(wǎng)膜血管分割方法。
[0005] 視網(wǎng)膜血管自動分割方法一直是主流研究方向，這類方法一般是全局分割，對眼 底圖像的拍攝角度、背景亮度變化以及健康與否沒有區(qū)別，所以對背景復雜的眼底圖像魯 棒性較差。而且自動分割方法的好壞最終都需要人工驗證，即必須有人工標記好的標準血 管網(wǎng)絡(luò)作為血管自動分割方法精確率高低或者算法好壞的客觀評價標準。人工手動分割的 標準血管網(wǎng)絡(luò)通常是很精確的，但是手動分割工作費時費力，且專家在標記過程中容易受 自身或外界環(huán)境的干擾而出現(xiàn)標記錯誤。因此，雖然眼底圖像數(shù)據(jù)量一直在激增，而國際上 公認的幾個眼底圖像標準庫中的圖片數(shù)量都很少，一般只有幾十幅圖像，這反過來就會影 響血管自動分割算法驗證的準確性。
[0006] 現(xiàn)階段的眼底圖像血管分割算法中，自動分割算法精確率不夠，已有的交互式分 割算法，交互式方法對用戶操作要求高，操作起來麻煩。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的是提出一種基于等梯度距離的雙向區(qū)域增長的視網(wǎng)膜血管分割方 法，只需要用戶在感興趣的血管區(qū)域進行血管和背景的標記，利用先驗知識和用戶體驗好， 分割效果精確，且分割時間短。
[0008] -種基于等梯度距離的雙向區(qū)域增長的視網(wǎng)膜血管分割交互式方法，包括以下步 驟：
[0009] 步驟1 :獲取待分割的眼底圖像；
[0010] 步驟2 :對眼底圖像進行血管和背景標記得到標記圖像，并從眼底圖像中分離出 綠色通道圖像；
[0011] 所述標記圖像中，血管標記為"〇"，背景標記為"B"，其他像素點記為"U"，得到血 管標記區(qū)域Otl和背景標記區(qū)域Btl;
[0012] 所述"U"類像素點是指無法確定是血管還是背景的點，在后續(xù)分割過程中進一步 確定；
[0013] 步驟3 :按照梯度計算公式計算綠色通道圖像中每個像素點的梯度，得到綠色通 道圖像對應(yīng)的梯度圖I1 ;
[0014] 步驟4:計算標記圖像中的每個像素點到與之最近的血管標記點之間的距離d，得 到眼底圖像的距離圖I2;
[0015] 步驟5:按照以下公式計算得到眼底圖像對應(yīng)的等梯度距離圖Idis;
[0016] Idis=IfwI2
[0017] 其中，w表示距離圖在等梯度距離圖中所占的權(quán)重，取值范圍是（0, 1);
[0018] 步驟6 :利用等梯度距離圖對眼底圖像進行血管區(qū)域增長分割，得到血管區(qū)域分 割圖像；
[0019] 具體過程如下：
[0020] (1)將步驟2中標記的"0"區(qū)域和"B"區(qū)域中的像素點同時作為種子點，統(tǒng)計"0" 區(qū)域和"B"區(qū)域中每個像素點的四鄰域"U"類像素點，記為％和Nb，分別找出Ntj和Nb中d值最小的像素點：Pomin和PBmin ;
[0021] ⑵比較Pailin和pBniin對應(yīng)的d值大小，如果d(Pailin)〈d(pMn)，則將像素點pQniin加 入"0"區(qū)域；否則，將像素點PBmin加入"B"區(qū)域；
[0022] (3)對于更新后的0區(qū)域和B區(qū)域，重復⑴中的增長過程，直到凡或者 乂cOQ時停止，將最新的"〇"區(qū)域作為血管區(qū)域分割圖像。
[0023] 不斷以當前血管點和背景點為種子進行雙向區(qū)域增長，直到區(qū)域內(nèi)所有點都被標 記為血管或者背景為止。
[0024] 對血管區(qū)域分割圖像進行邊緣優(yōu)化，具體過程如下：
[0025] (1)依據(jù)血管區(qū)域分割圖像提取血管中心線centerline;
[0026] (2)基于4鄰域原則計算血管區(qū)域分割圖像中屬于血管區(qū)域的各像素點p到血管 中心線的距離Cl1 ;
[0027] (3)計算每個像素點p的優(yōu)化標準值D (p):
[0028]

【權(quán)利要求】
1. 一種基于等梯度距離的雙向區(qū)域增長的視網(wǎng)膜血管分割交互式方法，其特征在于， 包括以下步驟： 步驟1 :獲取待分割的眼底圖像； 步驟2 :對眼底圖像進行血管和背景標記得到標記圖像，并從眼底圖像中分離出綠色 通道圖像； 所述標記圖像中，血管標記為"0"，背景標記為"B"，其他像素點記為"U"，得到血管標 記區(qū)域Otl和背景標記區(qū)域Btl ; 步驟3:按照梯度計算公式計算綠色通道圖像中每個像素點的梯度，得到綠色通道圖 像對應(yīng)的梯度圖I1 ; 步驟4 :計算標記圖像中的每個像素點到與之最近的血管標記點之間的距離d，得到眼 底圖像的距離圖I2; 步驟5 :按照以下公式計算得到眼底圖像對應(yīng)的等梯度距離圖Idis ; Idis =Ii+Wl2 其中，w表示距離圖在等梯度距離圖中所占的權(quán)重，取值范圍是（0，1); 步驟6 :利用等梯度距離圖對眼底圖像進行血管區(qū)域增長分割，得到血管區(qū)域分割圖 像； 具體過程如下： (1)將步驟2中標記的"0"區(qū)域和"B"區(qū)域中的像素點同時作為種子點，統(tǒng)計"0"區(qū)域 和"B"區(qū)域中每個像素點的四鄰域"U"類像素點，記為&和Nb，分別找出&和Nb中d值最 小的像素點：Panin和Panin ; ⑵比較PQmin和PBmin對應(yīng)的d值大小，如果d(pQmin)<d(pBmin)，則將像素點pQmin加入"0" 區(qū)域；否則，將像素點PBmin加入"B"區(qū)域； (3)對于更新后的0區(qū)域和B區(qū)域，重復（1)中的增長過程，直到義c^或者(=Oq 時停止，將最新的"0"區(qū)域作為血管區(qū)域分割圖像。
2. 根據(jù)權(quán)利要求1所述的基于等梯度距離的雙向區(qū)域增長的視網(wǎng)膜血管分割交互式 方法，其特征在于，對血管區(qū)域分割圖像進行邊緣優(yōu)化，具體過程如下： (1) 依據(jù)血管區(qū)域分割圖像提取血管中心線centerline; (2) 基于4鄰域原則計算血管區(qū)域分割圖像中屬于血管區(qū)域的各像素點p到血管中心 線的距離Cl1 ; (3) 計算每個像素點p的優(yōu)化標準值D(p): D{p)=d{ (p,centerline)+ 0.125 *工(I-1rg{q'.'))； S-cunn 其中，/嘆(<)是表示表示P的8鄰域點中第i個鄰域點的像素值，i的取值范圍為 [1,8]； (4) 找出D(p)值最大的血管像素點，將其剔除，同時找出D(p)值最小的背景像素點，將 其修補成血管像素，即將需要修補點的像素值修補為血管像素值，直至距離中心線最近的 背景像素點與距離中心線最遠的血管像素點位于同一層，最終得到優(yōu)化后的血管結(jié)果； 其中，所述血管像素點位于同一層是指血管像素與血管中心線距離相同則視為位于一 層。
3.根據(jù)權(quán)利要求1或2所述的基于等梯度距離的雙向區(qū)域增長的視網(wǎng)膜血管分割交互 式方法，其特征在于，對綠色通道圖像進行高斯模糊處理后，并按照梯度公式計算高斯模糊 處理后的梯度圖像； 其中，所使用的高斯濾波器的窗口大小為5X5,方差為0. 5。
【文檔編號】G06T7/00GK104318565SQ201410577845
【公開日】2015年1月28日 申請日期:2014年10月24日 優(yōu)先權(quán)日:2014年10月24日
【發(fā)明者】向遙, 高旭, 邱從賢, 李暄, 鄒北驥, 陳慧慧, 高玲 申請人:中南大學