基于Gabor滤波器的眼底图像血管自动分割方法
【技术领域】
[0001] 本发明属于医学图像处理领域，涉及一种基于Gabor滤波器的眼底图像血管自动 分割算法，算法在实现全自动分割的同时，保证了分割结果的有效性。
【背景技术】
[0002] 眼底血管是人体唯一可以非创伤观察的较深层微血管，其直径、弯曲程度和颜色 等结构变化可以反映人体高血压、糖尿病以及动脉粥样硬化等临床病理特征。由于眼部血 管的直径变化范围较大，而且血管走向复杂，使得人工血管分割相对困难，通过计算机辅助 操作系统，建立眼部血管分析诊断平台，将有助于提高临床诊断水平。眼底数码照相为眼底 检测提供了便捷直观的手段，利用图像处理技术对眼底血管进行定量检测，将有助于医生 进tx临床病理诊断，具有重要的临床意义。
[0003] 自20世纪70年代以来，随着计算机技术的不断发展和完善，眼底图像血管分割 技术的研究也逐渐深入。近年来涌现出了大量的血管分割方法，如血管追踪法、分类器方 法、区域增长方法、活动轮廓模型方法、数学形态学方法、小波变换方法、匹配滤波方法、多 尺度方法、模糊理论方法等。
[0004] 但是，由于眼底图像血管与背景的对比度相对较低，特别是医学成像时受噪声污 染，眼底图像的分析诊断仍然存在一定的困难，且很难实现自动化。为解决以上问题，眼底 血管的分割工作在充分考虑到保证分割精度的同时，实现分割参数和阈值的自动选取也尤 为关键。
【发明内容】
[0005] 针对上述现有技术中存在的问题，本发明设计了基于Gabor滤波器的眼底图像血 管分割算法，在保证分割结果有效性的同时，有效减少了滤波器的方向，实现了滤波器参数 以及阈值的自动选取，算法具体流程如图1。
[0006] 算法首先在预处理阶段选取血管对比度最优的绿色通道图像，利用20个不同角 度的Gabor滤波器对眼底图像血管边缘进行粗提取，然后，以滤波器的最大响应作为血 管的粗定位位置，在滤波器参数选择中，本发明引入了优化的Imperialism competitive algorithm (ICA)算法实现了参数的自动选取，在二值化阈值选择中，在准确率最大原则的 基础上实现阈值的自动选择，最后，利用形态学处理后得到的图像掩膜，去除分割边缘假阳 性区域，得到血管的最终分割结果。
[0007] 为实现上述目的，本发明的特征在于采取以下步骤：
[0008] 步骤1，原始图像的预处理；
[0009] 步骤2,利用20个间隔为Γ的Gabor滤波器去获取血管的边缘信息，以具有最大 响应的图像作为血管的粗分割结果；
[0010] 步骤3,利用优化的ICA算法实现Gabor滤波器参数的最优化自动选取；
[0011] 步骤4,利用准确率最大原则的系统研究法决定有效的阈值，对初分割图像进行二 值化；
[0012] 步骤5,基于形态学的二值化图像后处理，得到眼底图像血管最终分割结果。
[0013] 与现有技术相比，本发明的有益效果是：
[0014] 1.本发明在实验基础上，将传统Gabor滤波器的方向从180个降低为20个；
[0015] 2.本发明实现了基于ICA方法的Gabor滤波器参数的自动选取；
[0016] 3.在保证高准确率的情况下，实现了分割阈值的自动选取。
【附图说明】
[0017] 图1本发明所涉及方法的流程框图；
[0018] 图2原始图像；
[0019] 图3绿色通道图像；
[0020] 图4 Gabor滤波器全幅值响应图；
[0021] 图5阈值选取原理图；
[0022] 图6图像二值化结果；
[0023] 图7图像掩膜；
[0024] 图8血管分割结果。
【具体实施方式】
[0025] 步骤1，读取原始图像，如图1，分别获取原始图像的红色（R)、绿色（G)、蓝色（B) 通道图像，选取三个通道图像中血管对比度最强的绿色通道为后续处理的输入图像，如图 2〇
[0026] 步骤2, Gabor滤波器是一个用于边缘检测的线性滤波器。在空域，一个二维的 Gabor滤波器具有在空间域和频率域同时取得最优局部化的特性，与人类生物视觉特性很 相似，因此能够很好地描述对应于空间频率（尺度）、空间位置及方向选择性的局部结构信 息。Gabor滤波器是自相似的，也就是说，所有Gabor滤波器都可以从一个母小波经过膨胀 和旋转产生。实际应用中，Gabor滤波器可以在频域的不同尺度，不同方向上提取相关特征。 Gabor滤波器的核函数如下：
[0028] 式中，g(x，y)为滤波器的幅值响应，〇，σ ^ X和y方向的标准差，f。是曲线 的频率。余弦曲线有一个宽度τ，其中f。= l/τ，L为宽度垂直平方向上的高度。
[0029] 传统滤波器中，共有范围中的180个间隔Γ的不同角度的核函数被用于 眼底图像中血管的边缘提取。本方法选取DRIVE数据库中的20幅图像，对不同方向个数 的滤波器进行分割结果灵敏性，特异性和准确率的分析实验，结果发现当角度间隔为Γ的 Gabor滤波器大于20个时，分割性能不再随着滤波器个数的增多而变得更优，因此本方法 在保证系统性能的前提下，将传统Gabor滤波器中的180个角度降低为20个。其中角度旋 转过程中的的坐标变换公式如下：
[0030] x' =x cos Θ +y sin θ
[0031] y' = -χ sin Θ +y cos θ
[0032] 式中，，太）是每个旋转后的Θ值所对应的坐标。180个不同角度（Θ)的 Gabor滤波器ge (X，y)作用于图像I (X，y)将得到一系列的滤波器响应Ge (X，y)，计算公式 如下：
[0033] G0 (x, y) =I (x, y)*g〇 (x, y)
[0034] 式中，*代表卷积运算.为有效检测血管位置，在每一个像素点（χ, y)，只有最大的 响应才会被保留。保留最大值后的Gabor滤波器的各个方向响应R(x，y)计算公式如下：
[0036] 随后，利用对数函数抑制全响应中的峰值，表达式如下：
[0038] 式中，为对数函数处理后的滤波器相应图像，Ln为对数运算。
[0039] 步骤3, Gabor滤波器有很多参数，其中最重要的是空间的宽度τ和高度L，分割 结果的好坏很大程度上取决于这两个参数。本发明中采用Atashpaz-Gargari和Luca于 2007年提出的ICA的方法进行两个参数的最优化选择，首先，获得数据库中的训练集中每 幅图像的最优参数，取所有图像最优参数的平均值作为本发明的参数，其次将以上确定的 参数用于图像测试集，本发明中数据库的训练集和测试集是完全分开的。ICA优化方法分别 在[0. 1，20](间隔为0. 1)和[0. 1，15](间隔为0. 1)范围对每幅图像依次实验获取其各个 最优宽度和高度，而后得到各个最优宽度平均值和高度平均值作为本发明的滤波器宽度和 高度值。
[0040] 步骤4,将图像W的灰度值阈值化得到二值图像Ω (χ，y)，二值化公式如下：
[0042] 式中，是二值化的阈值，二值化的结果是得到血管的分割结果.在阈值的确定 过程中，首先通过图像统计的方法确定能使每幅图像准确率达到最大化的阈值，其原理如 图5,然后计算所有图像阈值的平均值为本发明中的阈值。
[0043] 步骤5,为提取图像中的有效分割区域Φ (x，y)，本发明将步骤4中的二值化图像 Ω (X，y)与一个形态学腐蚀操作后的二值化图像掩膜M (χ，y)逐像素相乘来去除分割结果 中有效区域外围的假阳性部分，确保整幅图像中只保留眼底区域为有效的分割区域。
[0044] Φ (x, y) = Ω (χ, y) [Μ (χ, y) θ Β]
[0045] 式中，θ表示形态学的腐蚀操作，B表示一个圆形的结构元。
[0046] 为了评价本发明对于眼底图像血管分割结果的有效性，本方法引入敏感性 SE(Sensitivity)、特异性 SP(Specificity)、精确度 ACC(Accuracy)三个评价指标，具体计 算方法如下：
[0047] Sensitivity = TP/(TP+FN)