matlab血管图像增强算法,基于Hessian特征的视网膜血管图像的增强滤波算法

第30卷第3期 2013年6月 Vol.30 No.3 Jun.，2013 华 东 交 通 大 学 学 报 Journal of East China Jiaotong University 文章编号：1005-0523(2013)03-0037-07 收稿日期：2013-02-08 基金项目：国家自然科学基金项目(61262031)作者简介：蒋先刚(1958－)，男，教授，硕士，研究方向为计算机图形图像。 基于Hessian特征的视网膜血管图像的增强滤波算法 蒋先刚，熊 娟，丘赟立，范德营 (华东交通大学基础科学学院，江西 南昌 330013) 摘要：提出了一种基于Hessian特征的视网膜血管图像的增强滤波算法，分析了Hessian特征值对各类形状的抑制和加强作 用，将Hessian矩阵的特征值与特征向量应用于视网膜血管特征的响应函数及形态学和非线性扩散处理的各个环节，并选择 合理的尺度空间范围和尺度空间增量，调节因子而平滑非线状区域和锐化增强血管区域，本文算法在同等准确率下具有较 高的稳定鲁棒性。 关键词：视网膜血管；Hessian矩阵；多尺度滤波；非线性扩散；数学形态学 中途分类号：TP391.4 文献标志码：A 视网膜血管的直径、分叉角度以及血管弯曲程度及其变化都是诊断相关疾病的重要指标。视网膜血管图像对比度较低，同时伴有大量的随机噪声，这就需要探索对细节结构损失少的血管图像的增强技术。视网膜血管增强的目的是强调眼底图像中的视网膜血管结构形态并同时抑制非重要的图像背景和噪声，从而加强图像的判别和识别。Orkisz提出沿血管方向进行中值滤波等数学形态学的方法使血管区域得到 一定程度的增强，这些方法只是基于单一像素邻域的梯度计算和形态学操作中的结构元素的有向控制，而没有考虑多尺度情况下算法的适应性［1-2］。Frangi等［3］人提出了基于Hessian矩阵的多尺度相似性测度的方 法，采用这种方法分析血管能得到较好的加强效果。 本文提出一种基于Hessian矩阵的多尺度线状增强视网膜血管集成增强滤波算法，将Hessian矩阵的特 征值和特征向量应用于视网膜血管特征的响应函数和形态学操作和非线性扩散，实验表明这种集成增强滤波的方法可达到相当高的准确率和较高的鲁棒性，满足视网膜血管医学图像分析的临床需要。 1 视网膜血管增强滤波的集成方法 1.1 基于Hessian矩阵的多尺度线状增强滤波器的构造 Hessian是一种用高阶微分提取图像特征方向的方法。Hessian方法认为具有最大模的二阶方向导数 的方向是垂直于图像特征的方向，与它垂直的方向被认为是平行于图像特征的方向。对于用高斯函数构造的线性模型，可以用与直线正交的绝对值较大的二阶导数和沿线方向的绝对值很小的二阶导数来表示。将Hessian矩阵的差分运算与高斯函数结合，通过改变高斯函数的标准偏移量就可获得不同尺度 σ 下 的线形增强滤波［4］。由高斯函数的卷积性质可知，尺度空间导数 Ixy 是由输入图像与高斯滤波器的二阶导的卷积得到［5］ Ixy =I⊗ ¶2G( )xy;σ ¶x¶y (1) 式中：Ixy 是乃变空间导数，x ，y 为像素 (xy) 的值，高斯函数G( )xy;σ 表达式为 2013年华 东 交 通 大 学 学 报 G( )xy;σ = 1 2σ2 e -( )x 2 +y2 2σ2 (2) 式中：σ 是高斯滤波器的标准差，也就是空间尺度因子。只有当尺度因子 σ 与血管的实际宽度最匹配时，滤波器的输出才最大。对于一个理想的血管结构并且要兼顾到医学血管图像的模糊性，需