一种视网膜眼底图像血管分割方法

翟丽红

摘 要 本文提出了一种改进的视网膜血管分割算法，结合了多尺度线性检测与图像的灰度-梯度共生矩阵的方法。首先，提取图像中包含血管轮廓信息丰富的绿色分量，进行预处理；其次，基于血管的形态结构特征，对视网膜图像血管采取多尺度多方向的线性检测，获得血管图像的特征；最后，基于图像的灰度—梯度共生矩阵，计算最佳熵阈值进行分割。实验表明该方法分割准确度高，计算速度快，鲁棒性好。

【关键词】视网膜图像 多尺度线性检测器 共生矩阵 血管分割

视网膜血管，是全身微循环系统的重要组成部分，其形态结构的变化与糖尿病，高血压，等心血管疾病的严重程度密切相关。通过提取视网膜血管，分析血管管径，弯曲度等特征，能很大程度上对心血管疾病进行预测，从而实施科学的预防性干预和药物治疗。视网膜位于眼底玻璃体后，呈凹面体，眼底图像光照不均匀，中央亮，四周暗，血管与背景的对比度弱及存在一些干扰。

Chaudhuri提出了二维匹配滤波的方法，血管结构得到增强的同时易丢失细小血管。Thitiporn提出基于局部熵阈值的血管分割方法，仅对正常的视网膜图像实现较好分割。Nguyen 提出了多尺度线性检测方法。此外，众多学者对分割方法进行了深入研究。

本文提出了一种改进的血管分割方法，利用多方向多尺度的线性检测器，基于灰度—梯度共生矩阵，计算其最佳熵阈值进行血管分割。

1 算法描述

本文算法包括：

（1）预处理；

（2）多方向多尺度线性检测；

（3）基于灰度—梯度共生矩阵，计算图像的最佳熵阈值。

1.1 预处理

彩色眼底图像为RGB图像，选取血管轮廓信息丰富且对比度较强的绿色分量，如图1所示。绿色分量光照不均匀，动态范围小，需进行预处理，包括：阴影修正，降噪，CLAHE。

1.2 多尺度多方向线性检测

本文采用多尺度多方向的线性检测器对图像Ig进行检测。窗口宽度为W，L为线性滤波器的尺度，n为窗口内的像素个数。较长的L用于检测中央反射区，较短的则可避免出现紧靠的血管不易分割。图像的特征响应为 ，是窗口内的平均灰度值；

，是检测线上的平均灰度值，当检测线的方向和血管方向相同时，IWl最大，记为IWmax。

检测器的核心思想是取尺度为L的检测线，以15度为间隔旋转，改变L可构成多尺度线性检测器。图2为检测窗口为15×15，L为11的线性检测器。增强后的图像为

其中。

1.3 阈值分割

Nguyen提出的算法中，对R'的分割选取了固定值t=0.56。本文中，采用了灰度—梯度共生矩阵来计算R'的最大熵阈值。该矩阵反映了图像中灰度和梯度的分布规律，还能够表示各像素点与其邻域像素点的空间关系。

如图4所示，A表示血管，C表示背景。设定阈值在（s，s）处，血管的灰度值较低，而背景较高，且各自内部的灰度级分布较均匀，梯度值较低。梯度值越大越有可能为血管边缘。A中tij表示i属于目标j属于边缘的转移个数，C中tij表示i属于背景j属于边缘的转移个数。

统计A和C两个象限的概率并进行归一化得到PAij和PCij，其中

2 实验结果与分析

选取DRIVE数据库里的20幅图像进行血管分割。如图5所示，本算法能够正确分割中央存在反射的血管，不会对紧靠的血管产生错误分割。此外，还能分割出更多的细小血管，结果更接近手工分割。分析图6可知，本算法对弯曲度较大的眼底图像分割效果较好。

本文采用局部准确度（LACC）来分析算法的分割性能。对标准图像采用大小为S的形态学结构算子进行膨胀处理，得到的图像作为局部准确度分析的掩膜图像。S越小，其测量误差主要来自于将血管误分为背景。选取DRIVE数据库进行分析，由图7可知，S<5时，本文的LACC高于Nguyen算法，更接近手工分割。

3 总结

本文提出了一种改进的眼底图像血管分割算法，对图像进行预处理，利用多方向多尺度的线性检测器提取血管特征，利用灰度—梯度共生矩阵，计算最佳熵阈值。本算法较好地处理中央血管和分割紧靠血管，分割出更多细小的血管，简单有效，鲁棒性好。

参考文献

[1]Chaudhuri S.Detection of blood vessels in retinal images using two-dimensional matched filters [J].IEEE Transactions on Medical Imaging，1989，8（03）：263-269.

[2]Thitiporn Chanwimaluang. An efficient blood vessel detection algorithm for retinal images using local entropy thresholding[A].Proceedings of the 2003 International Symposium on ICASSP[C].Hong Kong：[s.n.]，2003：21-24.

[3]Nguyen U.T.V.An effective retinal blood vessel segmentation method using mult_scale line detection. Pattern Recognition，2013：703-715.

[4]朱宏擎.基于灰度-梯度共生矩陣的视网膜血管分割方法[J].上海交通大学学报，2004，38（09）：1485-1488.