基于方向滤波的视网膜血管边缘抽取方法的关键技术研究

蒋惠芳张 怡

·学术探讨·

基于方向滤波的视网膜血管边缘抽取方法的关键技术研究

蒋惠芳1张 怡2

视网膜血管；边缘检测；方向图；方向滤波；抑制噪声

边缘检测是医学图像处理和分析研究的基本技术之一，能够在伴有随机噪声背景图像中确定出研究目标的边界。眼底视网膜血管边缘的抽取是边缘检测的应用，具有实际的意义。图像分割的常用方法很多，但如何在抽取边缘的同时较好地抑制噪声，是困扰我们的一大难题。血管是形态性较强的图像，同时又具有复杂的背景。数字形态学和方向滤波都是利用目标的形态特征进行边缘抽取的方法。在一般图像的锐化处理中，方向特性的使用不是那么直接，基于方向特性的算法自然也比较少。目前方向滤波已成功地应用于指纹图像增强、纹型特征的提取、指纹的自动分类、监控系统等许多关键处理环节。方向滤波在指纹图像上的成功应用，正是考虑了指纹纹线本身的信息特点，在方向上具有连续性，即在局部区域内的方向基本一致性。

图像分割的常用方法有微分或梯度的模板锐化、边缘跟踪、区域生长、数学形态学、聚类等[1-4]，还有一些基于小波变换的方法。数字形态学和方向滤波都是利用目标的形态特征进行边缘抽取的方法，适合诸如血管这类形态性较强又具有复杂背景的图像。

1 眼底图像的相关特征

视网膜血管的变化可以反映全身血管性疾病的状态，譬如高血压、糖尿病、肾脏炎性疾病、动脉硬化等，所以眼底图像研究是预防和诊断眼科以及心血管疾病的有效方法，是临床医学和计算机科学有效结合的重要研究方向。相比传统的眼底镜，眼底图像更为清晰简便，视网膜血管作为眼底图像的重要组成部分，是唯一可以非侵入观察的血管网络，因此，如何有效进行视网膜血管边缘抽取对疾病的预防、诊断和治疗具有重要的临床医学意义。

边缘的检测一般需要几个步骤，首先要滤波以降低噪音，然后增强突出变化的显著度，之后用某种方法检测边缘点，最后是确定边缘的位置或方向。但是，视网膜血管图像的抽取受到各种非理想条件的影响，如光照不均匀、对比度弱、对焦不准、噪声明显。针对这些特点，传统的图像增强法和过滤法虽然起到一定的效果，却难以得到精确的边缘，所以要提出一种行之有效的方法能够克服传统单一方法的不足，本项目主要针对方向图的生成，方向滤波的降噪处理等关键技术进行研究，取得比较完整的血管边缘图像，利用图像处理的方法对视网膜血管图像的相关参数进行定性和定量分析。

2 基于数学形态学和区域的图像分割

数学形态学是在集合论的基础上发展起来的，对图像进行边缘检测时，虽然能较好地抑制噪声的干扰，但如果遇到图像的边缘较清晰尖锐或者噪声干扰很大时，效果并不好。为更大程度地抑制噪声，陶洪久等[5]提出了一种基于小波变换和小尺度的数学形态学的遥感图像边缘检测方法；李晶辉等[6]将交替序列滤波和形态学膨胀变换相结合，在保证图像边缘清晰的同时，更大程度地抑制了噪声；姜涌等[7]提出具有方向估计的形态学梯度算子，使物体边缘更加清晰完整。数学形态学进行图像边缘检测，算法简单，能较好的保持细节特征，近年来在图像处理中日渐受到重视。

区域生长的基本思想是将具有相似特性的象素集合起来构成区域。牟涛等[8]提出一种融合区域生长与图论的图像分割方法，在区域生长完成之后，用NormalizedCut方法在区域之间进行分割，产生最终所分割的图像。

3 基于方向特性的边缘分割

3.1 邻域方向模板法求取方向图 Mehtre等[9]提出的邻域方向模板法据下式计算点方向图：

则θP（i，j）=d，d满足：Vd=。式中f（i，j）为点（i，j）的灰度值，fd（im，jm）为d方向上的第m点的灰度值，其中L为选取的邻域大小，一般取16，而N是方向模板的方向数取N=8或4。

3.2 基于梯度算子的最小均方根法求取方向图 A.R.Rao[10]提出了一种利用梯度算子求取方向图的方法。计算方法：将图像以w×w的窗口划分成块，对每一块内的每个象素计算x轴和y轴方向上的偏微分量∂x（i，j）和∂y（i，j）。并按下式估算块平均方向：

3.3 基于方向基元集描述的求取方向图的方法 黄席樾等[11]通过定义方向基元，对其全部样本集进行局部方向估计；将二值图像划分为N×N大小的块，对方向基元进行划分归类，统计每一类方向基元的个数，求取N×N块的平均方向。

4 视网膜血管图像边缘抽取的研究

视网膜血管是从视盘发出的动静脉血管逐级分支变细延伸交织构成的网络血管，当眼球因各类疾病发生病变时，眼底视网膜血管的大小、曲度、分叉和交叉等就会出现异常,因此，视网膜血管的边缘抽取对眼科临床有非常重要的指导意义。对于眼底视网膜血管边缘的抽取有不少的研究者做了相关尝试，Chaudhuri等[12]提出一种2维匹配滤波方法，该方法利用表征不同方向的12个高斯血管模板作为匹配滤波器，对图像进行滤波之后血管结构得到有效的增强，但该方法很可能会丢失部分血管分叉点和细小血管；另外，Hoover等[13]在MFR图像的基础之上，利用阈值递减探索、区域特性分析等方法来提取图像；许雷等[14]在分析正常与病理情况下眼底图像的不同特点，建立起眼底视网膜血管模型，使用SED（signed edge detection）与ROSE（opening with linear rotating structuring element）算法提取出视网膜血管的粗略骨架，然后再使用“LOG算子”进行低通滤波，去除噪声，修正后得到比较精确的血管边沿点。虽然该算法取得了较理想的效果，却依然有虚假边缘的产生。刘付民等[15]已经将方向滤波引入到监控系统的边缘检测；武妍等[16]提出一种改进的基于方向滤波的指纹图像的增强算法，应用效果良好。蒋先刚等[17]提出基于Hessian特征的视网膜血管图像增强滤波算法，确保准确率的基础上具有较高稳定鲁棒性。殷本俊等[18]根据视网膜血管的网络结构，提出基于Morlet小波变换和高斯匹配滤波结合的分割方法，有效提取眼底视网膜血管网络图像。张二虎等[19]采用数学形态学和匹配滤波的图像增强方法，使用Top-Hat变换有效抑制背景增强血管信息，采用匹配滤波提高血管亮度，增加与背景对比度。赵晓芳等[20]把基于CPDA的角点检测和自适应矩形探测器引用到视网膜血管分叉点和交叉点的提取。

由于血管的图像背景多目标少，在基于子窗口方法的运用中，有的子块没有确定的主方向，简单的方向滤波不是去除不了噪声就是会造成边缘太多的断裂，给中后期连接修复带来许多麻烦。准确地抽取得到相对优化的血管边缘图成了诸多研究者不断追求的目标，因此本项目主要针对方向图的生成，方向滤波的降噪处理等方面进行研究，取得比较完整的血管边缘图像，利用血管图像较强的方向特征性进行边缘的抽取。

［1］李映，焦李成.基于自适应免疫遗传算法的边缘检测［J］.中国图像图形学报，2003，23（8）：890-895.

［2］何东健.数字图像处理［M］.西安：西安电子科技大学出版社，2003：175-202.

［3］赵春晖，张乾，杨涛.基于数学形态滤波算子的医学图像边缘检测［允］.信息技术，2002，41（11）：49-51.

［4］叶吉祥，陈香华，谭冠政.利用小波和分层聚类进行彩色图像分割［J］.计算机与数字工程，2006，36（1）：1-12.

［5］陶洪久，柳健，田舍文.基于小波变换和数学形态学的遥感图像边缘检测［J］.红外与激光工程，2001，31（2）：154-157.

［6］李晶辉，戚飞虎.基于数学形态学的强鲁棒形边缘检测方法研究［J］.上海交通大学学报，1995，29（6）：96-101.

［7］姜涌，曹杰，谢求成，等.一种基于形态学梯度矢量和自适应模糊的目标边缘提取算法［J］.武汉大学学报（信息科学版），2006，（6）：12-24.

［8］牟涛，陈文斌，沈一帆.一种融合区域生长与图论的图像分割方法［J］.计算机工程与应用，2005，（19）：24-29.

［9］Mehtre BM，ChatterJ EE B.Segmentation of fingerprint imagea composite method［J］.Pattern Recognition.1989，22（4）：381-385.

［10］Rao AR.A taxonomy for texture description and identification［M］.New York：Springer-Verlag，1990：231-243.

［11］黄席樾，马笑潇，汪鹏，等.基于方向基元集描述的求取指纹方向图的方法及应用［J］.重庆大学学报（自然科学版），2000，23（5）：57-61.

［12］Chaudhuri S，Chatterjee S，Katz N，et al.Detection of blood vessels in retinal images using two-dimensional matched filters［J］.IEEE Transactions Medical Imaging，1989，8（3）：263-269.

［13］Hoover A，Kouznetsova V，Goldbaum M.Locating blood vessels in retinal images by piecewise threshold probing of a matched filter response［J］.IEEE Transactions Medical Imaging，2000，19（3）：203-210.

［14］许雷，郑筱祥，俞锋，等.基于眼底视网膜血管网络模型的血管提取方法［J］.浙江大学学报（工学版），1999，37 （4）：91-97.

［15］刘付民，张治斌.基于方向滤波的监控图像边缘检测［J］.传感器与微系统，2011，30（4）：127-130.

［16］武妍，杨磊.一种改进的基于方向滤波的指纹图像增强算法［J］.华中科技大学学报（自然科学版），2007，35（2）：23-25.

［17］蒋先刚，熊娟，丘赟立，等.基于Hessian特征的视网膜血管视图像的增强滤波算法［J］.华东交通大学学报，2013，30（3）：37-42.

［18］殷本俊，陈燕，李华婷，等.基于Morlet小波变换的视网膜血管分割［J］.计算机辅助设计与图形学学报，2015，27 （7）：1263-2616.

［19］张二虎，卞中正，段敬红.基于数学形态学和匹配滤波的视网膜血管图像增强方法［J］.光学技术，2003，29（5）：523-525.

［20］赵晓芳，林土胜.视网膜血管图像特征点自动提取和分类［J］.光学技术，2011，47（8）：14-17.

（收稿：2015-08-30 修回：2015-10-12）

浙江省教育厅科研项目（No.Y201326673）

1浙江中医药大学第三临床医学院（杭州 310053）；2浙江省中医院眼科（杭州 310006）

蒋惠芳 Tel：13173615240