响应确定分割阈值 Tc，设C( i)为其中任意一点i处的滤波响应，阈值分割方法为
[0040]
(5)
[0041] 3.低帽变换提取眼底主血管
[0042] 由于血管的局部特征与微动脉瘤相近，因此会被当作微动脉瘤，导致误检，所以需 要移除血管。精确分割血管并移除，会将靠近血管和类似细小血管的微动脉瘤一并移除，造 成漏检。为克服这一局限性，采用低帽变换仅分割出主血管如图6所示，并从眼底图像中将 其移除，在降低血管干扰的同时避免漏检。
[0043] 4.计算局部梯度方向直方图
[0044] 对于细小血管上的点，其特征与微动脉瘤相似，因此必须利用其周围像素点的特 征加以区分。在以候选者为中心的局部邻域内，处于血管上的点具有方向性，而微动脉瘤无 明显方向，所以通过计算局部邻域内的梯度方向，可有效分辨微动脉瘤和细小血管。
[0045] 首先选取以候选者为中心、大小为mXm的区域，计算该区域内像素的灰度梯度方 向
[0046]
[0047] 其中和分别为像素点L处沿X和y方向的灰度梯度。然后以Θ为间隔将[-π， 幻划分为k个子区间，统计子区间内像素的梯度方向直方图。
[0048] 微动脉瘤和小血管上点的梯度矢量场如图7所示，微动脉瘤中心点与周围像素点 方向各异，而血管上点在某一方向上存在某些点的梯度矢量方向相近。对应的梯度方向直 方图如图8所示，横坐标为各方向区间的中心值，纵坐标为梯度方向在对应方向区间内的像 素点个数。图8-1无主峰，而对于细小血管上的点，则会出现一个明显主峰（如图8-2所示）。 因此通过判断梯度方向直方图有无主峰即可判断该点是否在细小血管上。
[0049] 5.计算对比度和圆度 [0050] 5.1计算对比度
[0051] 在上述筛选结果基础上，本发明依据微动脉瘤的灰度取值范围以及结构特性，计 算候选者的局部对比度，剔除噪声点，得到最终筛选结果。由于微动脉瘤的直径通常在15μ πι-60μπι，通过对所有图像进行统计，微动脉瘤的大小在4-25像素。因此在计算局部对比度 时，将以候选者为中心的aXa邻域作为候选者的小背景区域，以bXb的区域作为局部背景 区域，分别计算局部对比度，
[0052] c= I5(s,t)2P5(s,t) (7)
[0053] 其中S(s，t)为相邻两个像素 s、t间的灰度差，Ps(s，t)为相邻像素间的灰度差为δ 的像素分布概率。对于微动脉瘤，其小邻域的对比度低，局部背景区域对比度高，而噪声作 为孤立点，在小邻域和局部背景区域内，对比度均较低。所以通过以候选者为中心的小邻域 和局部背景的对比度，可以滤除噪声点。
[0054] 5.2计算圆度
[0055] 在候选者中还有部分出血点，灰度特性与微动脉瘤相似，但是其形状不规则，而微 动脉瘤的结构为圆形，因此本文计算候选者的圆度，剔除不符合该结构特性的伪目标，
[0056]
[0057] S候选者像素个数，η为候选者边缘像素个数。本发明选取圆度阈值TRD。当RD 2 TRD 时，判定该候选者为圆形结构，最终得到筛选结果如图9所示。
[0058]本发明提出一种基于圆形双边Gabor滤波和局部梯度分析的彩色眼底图像微动脉 瘤自动检测方法。该方法基于微动脉瘤的结构和灰度信息，不仅能检测大尺寸、对比度较 高、单一背景的微动脉瘤(如图10-1所示），对于小尺寸、对比度和靠近血管及黄斑等复杂背 景的微动脉瘤也具有很好的检测效果(如图10-2所示）。
【主权项】
1. 一种彩色眼底图像微动脉瘤自动检测方法，所述方法包括下列步骤： 步骤1:获取彩色眼底图像，提取绿色通道，进行对比度增强； 步骤2:采用圆形双边Gabor滤波并阈值分割，提取微动脉瘤候选者； 步骤3:采用低帽变换对增强结果提取主血管并移除； 步骤4:计算以候选者为中心的局部灰度梯度方向，计算梯度方向直方图； 步骤5:依据微动脉瘤的尺寸特性，以候选者为中心，建立大小为a X a的邻域和b X b的 局部区域，分别计算两个区域的对比度，滤除噪声； 步骤6:依据微动脉瘤的类圆形结构特性，计算候选者的圆度，剔除出血点，实现微动脉 瘤的自动检测。2. 根据权利要求1所述的彩色眼底图像微动脉瘤自动检测方法，其特征在于，步骤2中， 基于微动脉瘤的结构和灰度特性，构造圆形双边Gabor滤波器其中I(i)为图像中任意一点，j是其邻域N中的像素点，GRe(x，y)为圆形Gabor滤波器的 实部，符合微动脉瘤的特性;r(i，j，〇r)为双边滤波的亮度距离因子，〇r为亮度距离标准差， 在提取微动脉瘤候选者时有效抑制背景，突出弱边缘。3. 根据权利要求1所述的彩色眼底图像微动脉瘤自动检测方法，其特征在于，步骤3中， 仅移除主血管，避免将靠近血管的微动脉瘤一并剔除，造成漏检。4. 根据权利要求1所述的彩色眼底图像微动脉瘤自动检测方法，其特征在于，步骤4中， 基于微动脉瘤局部方向各异、细小血管方向性明显的差异，选取以候选者为中心、大小为m X m的区域，计算该区域内像素的灰度梯度方向其中和分别为像素点L处沿X和y方向的灰度梯度;然后以Θ为间隔将[-π，π]划 分为k个子区间，统计子区间内像素的梯度方向直方图，将具有明显主峰的细小血管剔除。
【专利摘要】本发明涉及一种基于圆形双边Gabor滤波和局部梯度分析的彩色眼底图像微动脉瘤自动检测方法，该方法首先对彩色眼底图像的绿色通道进行预处理；然后采用圆形双边滤波提取候选者并阈值分割，移除主血管；最后计算局部梯度方向直方图，依据微动脉瘤梯度方向各异性，剔除细小血管，计算局部对比度和圆度，滤除噪声和出血点，实现微动脉瘤的自动检测。本发明利用微动脉瘤灰度和结构信息及与细小血管的局部灰度差异，能够克服光照不均、对比度低和细小血管所带来的影响，不仅能够准确检测大尺寸、高对比度、单一背景的微动脉瘤，对于小尺寸、低对比度和靠近血管及黄斑等复杂背景的微动脉瘤也具有很好的检测效果，最终实现微动脉瘤的自动检测。
【IPC分类】G06T7/00
【公开号】CN105488799
【申请号】CN201510859221
【发明人】肖志涛, 张欣鹏, 耿磊, 张芳, 吴骏
【申请人】天津工业大学
【公开日】2016年4月13日
【申请日】2015年11月27日