專利名稱：基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)，特別涉及一種基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法。

背景技術(shù)：
隨著影像學(xué)技術(shù)的發(fā)展，在眼科的應(yīng)用中，眼底照相技術(shù)使用的越來越廣泛。這不僅因?yàn)橛?jì)算機(jī)技術(shù)的深入應(yīng)用，還因?yàn)檠鄣讏D像能及時(shí)的反映出很多疾病的病變。視網(wǎng)膜是人體內(nèi)唯一可以活體直接獲得血管圖像信息的器官，這些血管信息對(duì)于很多疾病的診斷和治療起著至關(guān)重要的作用。視網(wǎng)膜血管網(wǎng)絡(luò)的分割對(duì)于提取這些血管信息非常重要，其結(jié)果可用于定位標(biāo)志點(diǎn)以便于圖像配準(zhǔn)；可用于估計(jì)動(dòng)脈血流量與靜脈血流量的差值來進(jìn)一步估計(jì)視網(wǎng)膜的血漏，然后判斷是否有糖尿病及其嚴(yán)重程度；還可用于檢測(cè)血管的幾何改變以判斷是否具有高血壓或者心血管疾病等。
視網(wǎng)膜血管分割非常重要，但其自動(dòng)實(shí)現(xiàn)卻是相當(dāng)困難的。導(dǎo)致其困難的原因主要是血管的低對(duì)比度。由于血管的寬度變化很大，其寬度往往從一個(gè)像素到十幾個(gè)像素不等，對(duì)于寬度為一兩個(gè)像素的微細(xì)血管，其對(duì)比度通常都很低，甚至肉眼都無法分辨。某些被病變影響的血管的對(duì)比度通常也非常低。
本文提出了一種基于方向場(chǎng)和Gabor濾波器的視網(wǎng)膜血管增強(qiáng)算法，旨在增強(qiáng)視網(wǎng)膜圖像的血管網(wǎng)絡(luò)，以便于視網(wǎng)膜血管的分割。本算法結(jié)合方向場(chǎng)和Gabor濾波器來進(jìn)行微細(xì)血管的增強(qiáng)，同時(shí)濾除了增強(qiáng)過程帶來的部分噪聲，使得血管網(wǎng)絡(luò)很清晰明了地顯示在增強(qiáng)后的視網(wǎng)膜圖像中。實(shí)驗(yàn)結(jié)果顯示，本算法在增強(qiáng)微細(xì)的低對(duì)比度血管上展示出了優(yōu)越的性能。


發(fā)明內(nèi)容
(一)要解決的技術(shù)問題 現(xiàn)有技術(shù)難以自動(dòng)地準(zhǔn)確地分割出視網(wǎng)膜血管網(wǎng)絡(luò)，其原因在于視網(wǎng)膜圖像中的某些血管的對(duì)比度太低，導(dǎo)致自動(dòng)分割算法在這些血管區(qū)域失效。本發(fā)明的主要目的在于提供一種基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，使得所有血管的對(duì)比度都達(dá)到一定的閾值，以便于自動(dòng)分割算法對(duì)其進(jìn)行識(shí)別。
(二)技術(shù)方案 為達(dá)到上述目的，本發(fā)明提供了一種基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，該方法包括 步驟1計(jì)算視網(wǎng)膜圖像的方向場(chǎng)θ； 步驟2根據(jù)方向場(chǎng)θ對(duì)視網(wǎng)膜圖像中的血管進(jìn)行增強(qiáng)，得到視網(wǎng)膜血管的增強(qiáng)圖像； 步驟3用Gabor濾波器濾除增強(qiáng)圖像中的噪聲。
優(yōu)選地，其特征在于，所述步驟1包括計(jì)算與圖像中像素方向垂直的梯度方向上梯度向量的平方，構(gòu)造平方梯度向量，對(duì)該平方梯度向量在一個(gè)鄰域內(nèi)取平均值得到均值向量，然后根據(jù)該均值向量得到平均梯度方向Φ，進(jìn)而得到視網(wǎng)膜圖像的方向場(chǎng) 優(yōu)選地，所述步驟2包括對(duì)圖像進(jìn)行局部的歸一化處理，計(jì)算(x，y)某鄰域W內(nèi)所有點(diǎn)(i，j)的T(i，j，x，y)值，然后再用下式得到增強(qiáng)后的圖像 其中，g為二維高斯加權(quán)因子，且滿足∑Wg＝1，其作用是給增強(qiáng)進(jìn)行加權(quán)，使得離(x，y)越遠(yuǎn)的點(diǎn)的T(i，j，x，y)值對(duì)增強(qiáng)起的作用越小。
優(yōu)選地，所述對(duì)圖像進(jìn)行局部的歸一化處理采用下列公式 其中，M0為設(shè)定的均值，f(V(i，j))為方差控制函數(shù)，T(i，j，x，y)表示以點(diǎn)(i，j)為中心的某鄰域進(jìn)行歸一化時(shí)對(duì)點(diǎn)(x，y)的影響。
優(yōu)選地，所述方差控制函數(shù)f(V(i，j))為如下所示的分段函數(shù) 其中，VTH、VTL分別為方差的高低門限，ch為一個(gè)較大的常數(shù)，cl為一個(gè)較小的常數(shù)。
優(yōu)選地，所述二維高斯加權(quán)因子g是具有方向性的，且其方向由步驟1中計(jì)算的視網(wǎng)膜圖像的方向場(chǎng)θ確定 xθ＝xcosθ+ysinθ，yθ＝-xsinθ+ycosθ。
優(yōu)選地，在步驟3中，采用如下的Gabor濾波器對(duì)圖像進(jìn)行濾波 xθ＝xcosθ+ysinθ，yθ＝-xsinθ+ycosθ 其中，a為Gabor函數(shù)的頻率因子，σx、σy為Gabor函數(shù)的標(biāo)準(zhǔn)差。
(三)有益效果 從上述技術(shù)方案可以看出，本發(fā)明具有以下有益效果 1、本發(fā)明提供的這種基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，能自動(dòng)地對(duì)視網(wǎng)膜圖像中的低對(duì)比度血管進(jìn)行增強(qiáng)，并能有效地濾除增強(qiáng)過程中產(chǎn)生的噪聲。
2、本發(fā)明提供的這種基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，是視網(wǎng)膜血管分割的預(yù)處理算法，能大大地降低血管分割的難度，提高視網(wǎng)膜血管網(wǎng)絡(luò)分割的準(zhǔn)確度。
3、本發(fā)明提供的這種基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，能有效地增強(qiáng)視網(wǎng)膜圖像中的低對(duì)比度的微細(xì)血管，給視網(wǎng)膜圖像的后續(xù)處理帶來了極大的便利。
4、本發(fā)明提供的這種基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，在增強(qiáng)血管的同時(shí)，還對(duì)圖像的背景進(jìn)行了歸一化處理，有效地克服了圖像噪聲和亮度不均勻性的影響，省去了單獨(dú)的歸一化步驟。在視網(wǎng)膜圖像血管分割以及心臟圖像血管分割等領(lǐng)域有著重要的應(yīng)用價(jià)值。



圖1為本發(fā)明提供的基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法的流程圖。
圖2是各向異性的二維高斯函數(shù)；此高斯函數(shù)的主方向是由當(dāng)前像素所在的血管的方向確定的，也即是由當(dāng)前像素處的方向場(chǎng)確定的。
圖3是視網(wǎng)膜圖像的方向場(chǎng)；(a)視網(wǎng)膜圖像；(b)用灰度級(jí)表示的視網(wǎng)膜圖像的方向場(chǎng)，黑色表示方向?yàn)?度，白色表示方向?yàn)?80度；(c)和(d)由線段矩陣表示的方向場(chǎng)。
圖4是(a)視網(wǎng)膜圖像1；(b)增強(qiáng)后的圖像；(c)Gabor濾波后的圖像；(d)手動(dòng)分割的參考血管網(wǎng)絡(luò)圖像。
圖5是(a)視網(wǎng)膜圖像2；(b)增強(qiáng)后的圖像；(c)Gabor濾波后的圖像；(d)手動(dòng)分割的參考血管網(wǎng)絡(luò)圖像。

具體實(shí)施例方式 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。
本發(fā)明的核心思想是提出一種基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，在精細(xì)方向場(chǎng)的指導(dǎo)下對(duì)圖像進(jìn)行逐點(diǎn)增強(qiáng)。該方法包括以下幾個(gè)步驟估計(jì)視網(wǎng)膜圖像的方向場(chǎng)θ；在方向場(chǎng)的指導(dǎo)下對(duì)圖像中的血管進(jìn)行自動(dòng)增強(qiáng)；用Gabor濾波器濾除增強(qiáng)圖像中的噪聲。
如圖1所示，圖1為本發(fā)明提供的基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法的流程圖，該方法包括以下步驟 步驟1計(jì)算視網(wǎng)膜圖像的方向場(chǎng)θ；采用現(xiàn)有最準(zhǔn)確的計(jì)算方法來獲得視網(wǎng)膜圖像的方向場(chǎng)； 步驟2根據(jù)方向場(chǎng)θ對(duì)視網(wǎng)膜圖像中的血管進(jìn)行增強(qiáng)，得到視網(wǎng)膜血管的增強(qiáng)圖像；用分段的方差函數(shù)作為門限來控制需要增強(qiáng)的區(qū)域，使用各向異性高斯函數(shù)消除增強(qiáng)時(shí)帶來的額外的邊界； 步驟3用Gabor濾波器濾除增強(qiáng)圖像中的噪聲。
上述步驟1包括計(jì)算與圖像中像素方向垂直的梯度方向上梯度向量的平方，構(gòu)造平方梯度向量，對(duì)該平方梯度向量在一個(gè)鄰域內(nèi)取平均值得到均值向量，然后根據(jù)該均值向量得到平均梯度方向Φ，進(jìn)而得到視網(wǎng)膜圖像的方向場(chǎng) 上述步驟2包括對(duì)圖像進(jìn)行局部的歸一化處理，計(jì)算(x，y)某鄰域W內(nèi)所有點(diǎn)(i，j)的T(i，j，x，y)值，然后再用下式得到增強(qiáng)后的圖像 其中，g為二維高斯加權(quán)因子，且滿足∑Wg＝1，其作用是給增強(qiáng)進(jìn)行加權(quán)，使得離(x，y)越遠(yuǎn)的點(diǎn)的T(i，j，x，y)值對(duì)增強(qiáng)起的作用越小。
上述對(duì)圖像進(jìn)行局部的歸一化處理采用下列公式 其中，M0為設(shè)定的均值，f(V(i，j))為方差控制函數(shù)，T(i，j，x，y)表示以點(diǎn)(i，j)為中心的某鄰域進(jìn)行歸一化時(shí)對(duì)點(diǎn)(x，y)的影響。
上述方差控制函數(shù)f(V(i，j))為如下所示的分段函數(shù) 其中，VTH、VTL分別為方差的高低門限，ch為一個(gè)較大的常數(shù)，cl為一個(gè)較小的常數(shù)。
上述二維高斯加權(quán)因子g是具有方向性的，且其方向由步驟1中計(jì)算的視網(wǎng)膜圖像的方向場(chǎng)θ確定 xθ＝xcosθ+ysinθ，yθ＝-xsinθ+ycosθ。
在步驟3中，采用如下的Gabor濾波器對(duì)圖像進(jìn)行濾波 xθ＝xcosθ+ysinθ，yθ＝-xsinθ+ycosθ 其中，a為Gabor函數(shù)的頻率因子，σx、σy為Gabor函數(shù)的標(biāo)準(zhǔn)差。
以下結(jié)合具體的實(shí)施例對(duì)根據(jù)本發(fā)明提供的這種基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法進(jìn)行詳細(xì)描述。
步驟1計(jì)算視網(wǎng)膜圖像的方向場(chǎng) 圖像中像素的方向跟梯度方向是相互垂直的，梯度的定義如下 上式中I(x，y)表示圖像灰度值。因?yàn)榉较驁?chǎng)的方向垂直于梯度方向，因此梯度向量的第一項(xiàng)是正的。梯度不能在一個(gè)鄰域內(nèi)直接取平均，因?yàn)榉较蛳喾吹膬蓚€(gè)梯度會(huì)相互抵消。例如，一個(gè)在30°，另一個(gè)在210°，盡管它們?cè)诜较驁?chǎng)中對(duì)應(yīng)著同一個(gè)方向，但它們的平均值是0。就是說方向場(chǎng)的方向是0°～180°而不是0°～360°。
為了解決這個(gè)問題，我們用梯度向量的平方代替其本身來進(jìn)行計(jì)算。因?yàn)榉较蛳喾吹膬蓚€(gè)梯度向量的平方都指向同一個(gè)方向。我們把梯度向量轉(zhuǎn)化為極坐標(biāo)[GρGφ]T 記平方梯度向量為[Gs，xGs，y]T 得到平方梯度向量之后，我們可以在一個(gè)鄰域內(nèi)直接對(duì)其取平均值，這樣不會(huì)出現(xiàn)梯度向量取平均相互抵消的情況 則平均梯度方向，可由下兩式計(jì)算得到
我們最終需要的方向場(chǎng)的方向θ(如圖3所示)，可由下式計(jì)算得到 步驟2在方向場(chǎng)的指導(dǎo)下對(duì)圖像中的血管進(jìn)行自動(dòng)增強(qiáng) 為了增強(qiáng)圖像，我們對(duì)圖像進(jìn)行局部的歸一化 其中M0為我們?cè)O(shè)定的均值；f(V(i，j))為方差控制函數(shù)，具體定義將在后面給出。T(i，j，x，y)表示以點(diǎn)(i，j)為中心的局部區(qū)域進(jìn)行歸一化時(shí)對(duì)點(diǎn)(x，y)的影響。為了獲得點(diǎn)(x，y)處的增強(qiáng)后的值，我們先要計(jì)算(x，y)某鄰域W內(nèi)所有點(diǎn)(i，j)的T(i，j，x，y)值，然后再用下式得到增強(qiáng)后的圖像 其中g(shù)為二維高斯加權(quán)因子，且滿足∑Wg＝1，其作用是給增強(qiáng)進(jìn)行加權(quán)，使得離(x，y)越遠(yuǎn)的點(diǎn)的T(i，j，x，y)值對(duì)增強(qiáng)起的作用越小。這樣做的好處是在增強(qiáng)時(shí)離(x，y)近的點(diǎn)獲得了優(yōu)先考慮，保證了增強(qiáng)的效果，而且不會(huì)產(chǎn)生區(qū)域增強(qiáng)不均勻時(shí)帶來的額外的邊界。
對(duì)于前文提到的方差控制函數(shù)，具體定義如下 式中VTH、VTL分別為方差的高低門限，ch為一個(gè)較大的常數(shù)，cl為一個(gè)較小的常數(shù)。當(dāng)方差f(V(i，j))大于高門限時(shí)，我們限制其增強(qiáng)；當(dāng)方差小于低門限時(shí)，我們可判斷這個(gè)區(qū)域內(nèi)沒有血管，然后對(duì)此區(qū)域進(jìn)行平滑；當(dāng)方差在高低門限之間時(shí)，我們根據(jù)c0和c1令增強(qiáng)操作根據(jù)方差大小進(jìn)行。
為了獲得更好的效果，我們采用各向異性的高斯掩膜，讓掩膜的主方向跟方向場(chǎng)的方向一致，如圖2所示。順著掩膜主方向，隨著距離的增加，掩膜的值下降得慢；而垂直于掩膜主方向，隨著距離的增加，掩膜的值下降得快。下面給出各向異性高斯掩膜的計(jì)算公式 xθ＝xcosθ+ysinθ yθ＝-xsinθ+ycosθ 式中θ為上一步驟提到的方向場(chǎng)。
為了達(dá)到各向異性的效果，我們將設(shè)置不同的σ1和σ2。使得當(dāng)方向場(chǎng)的一致性很強(qiáng)的時(shí)候，我們主要沿方向場(chǎng)進(jìn)行增強(qiáng)；而當(dāng)方向場(chǎng)的一致性很小時(shí)，我們沿主方向場(chǎng)增強(qiáng)的權(quán)值就降低。這樣使得增強(qiáng)的主要是有用信號(hào)，而噪聲則得到了一定的抑制。
步驟3用Gabor濾波器濾除增強(qiáng)圖像中的噪聲 由方向場(chǎng)的特性可知，在血管上，方向場(chǎng)肯定是沿著血管方向的，沿著方向場(chǎng)對(duì)圖像進(jìn)行濾波，不會(huì)丟失有用信息，而且可以去掉圖像中的噪聲。帶有方向的偶對(duì)稱Gabor濾波器 xθ＝xcosθ+ysinθ yθ＝-xsinθ+ycosθ 其中θ是旋轉(zhuǎn)方向，a是復(fù)變函數(shù)的頻率因子，σx和σy是濾波器的標(biāo)準(zhǔn)差。設(shè)待濾波的圖像為I，利用Gabor算子濾波的公式如下 運(yùn)行結(jié)果 為了驗(yàn)證本發(fā)明方法，我們?cè)趦蓚€(gè)公認(rèn)的視網(wǎng)膜圖像數(shù)據(jù)庫(kù)(DRIVE和STARE)上進(jìn)行了實(shí)驗(yàn)。這兩個(gè)數(shù)據(jù)庫(kù)都提供手動(dòng)分割的血管網(wǎng)絡(luò)作為參考。
我們選取了20幅視網(wǎng)膜圖像來驗(yàn)證本發(fā)明方法。圖4和圖5給出了兩個(gè)具體的例子。其中(a)為視網(wǎng)膜圖像，(b)為增強(qiáng)和強(qiáng)度歸一化后的圖像，(c)為Gabor濾波后的圖像，(d)為數(shù)據(jù)庫(kù)本身提供的手動(dòng)參考血管網(wǎng)絡(luò)。在我們的實(shí)驗(yàn)中，本增強(qiáng)算法都能有效地增強(qiáng)血管網(wǎng)絡(luò)，同時(shí)對(duì)圖像的亮度進(jìn)行歸一化。后續(xù)的Gabor濾波又能把絕大多數(shù)的噪聲濾除。從原圖和Gabor濾波后圖像的對(duì)比可以看出，經(jīng)過本算法的處理，血管網(wǎng)絡(luò)已經(jīng)突顯出來。原圖中某些低對(duì)比度的血管在處理后的結(jié)果中也顯示得非常清晰。
實(shí)驗(yàn)表明，本發(fā)明提供的基于方向場(chǎng)的視網(wǎng)膜圖像血管的自動(dòng)增強(qiáng)方法，有效的增強(qiáng)了視網(wǎng)膜圖像微細(xì)血管的對(duì)比度，達(dá)到了增強(qiáng)視網(wǎng)膜血管網(wǎng)絡(luò)的目的。
以上所述，僅為本發(fā)明中的具體實(shí)施方式
，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可理解想到的變換或替換，都應(yīng)涵蓋在本發(fā)明的包含范圍之內(nèi)，因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書的保護(hù)范圍為準(zhǔn)。
權(quán)利要求
1、一種基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，其特征在于，該方法包括
步驟1計(jì)算視網(wǎng)膜圖像的方向場(chǎng)θ；
步驟2根據(jù)方向場(chǎng)θ對(duì)視網(wǎng)膜圖像中的血管進(jìn)行增強(qiáng)，得到視網(wǎng)膜血管的增強(qiáng)圖像；
步驟3用Gabor濾波器濾除增強(qiáng)圖像中的噪聲。
2、根據(jù)權(quán)利要求1所述的基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，其特征在于，所述步驟1包括
計(jì)算與圖像中像素方向垂直的梯度方向上梯度向量的平方，構(gòu)造平方梯度向量，對(duì)該平方梯度向量在一個(gè)鄰域內(nèi)取平均值得到均值向量，然后根據(jù)該均值向量得到平均梯度方向Φ，進(jìn)而得到視網(wǎng)膜圖像的方向場(chǎng)
3、根據(jù)權(quán)利要求1所述的基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，其特征在于，所述步驟2包括
對(duì)圖像進(jìn)行局部的歸一化處理，計(jì)算(x，y)某鄰域W內(nèi)所有點(diǎn)(i，j)的T(i，j，x，y)值，然后再用下式得到增強(qiáng)后的圖像
其中，g為二維高斯加權(quán)因子，且滿足∑wg＝1，其作用是給增強(qiáng)進(jìn)行加權(quán)，使得離(x，y)越遠(yuǎn)的點(diǎn)的T(i，j，x，y)值對(duì)增強(qiáng)起的作用越小。
4、根據(jù)權(quán)利要求3所述的基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，其特征在于，所述對(duì)圖像進(jìn)行局部的歸一化處理采用下列公式
其中，M0為設(shè)定的均值，f(V(i，j))為方差控制函數(shù)，T(i，j，x，y)表示以點(diǎn)(i，j)為中心的某鄰域進(jìn)行歸一化時(shí)對(duì)點(diǎn)(x，y)的影響。
5、根據(jù)權(quán)利要求4所述的基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，其特征在于，所述方差控制函數(shù)f(V(i，j))為如下所示的分段函數(shù)
其中，VTH、VTL分別為方差的高低門限，ch為一個(gè)較大的常數(shù)，cl為一個(gè)較小的常數(shù)。
6、根據(jù)權(quán)利要求3所述的基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，其特征在于，所述二維高斯加權(quán)因子g是具有方向性的，且其方向由步驟1中計(jì)算的視網(wǎng)膜圖像的方向場(chǎng)θ確定
xθ＝xcosθ+ysinθ，yθ＝-xsinθ+ycosθ。
7、根據(jù)權(quán)利要求1所述的基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，其特征在于，在步驟3中，采用如下的Gabor濾波器對(duì)圖像進(jìn)行濾波
xθ＝xcosθ+ysinθ，yθ＝-xsinθ+ycosθ
其中，a為Gabor函數(shù)的頻率因子，σx、σy為Gabor函數(shù)的標(biāo)準(zhǔn)差。
全文摘要
本發(fā)明公開了一種基于方向場(chǎng)的視網(wǎng)膜圖像血管的增強(qiáng)方法，該方法包括步驟1計(jì)算視網(wǎng)膜圖像的方向場(chǎng)θ；步驟2根據(jù)方向場(chǎng)θ對(duì)視網(wǎng)膜圖像中的血管進(jìn)行增強(qiáng)，得到視網(wǎng)膜血管的增強(qiáng)圖像；步驟3用Gabor濾波器濾除增強(qiáng)圖像中的噪聲。本發(fā)明能有效地增強(qiáng)視網(wǎng)膜圖像中的低對(duì)比度的微細(xì)血管，給視網(wǎng)膜圖像的后續(xù)處理帶來了極大的便利。本發(fā)明在增強(qiáng)血管的同時(shí)，還對(duì)圖像的背景進(jìn)行了歸一化處理，有效地克服了圖像噪聲和亮度不均勻性的影響，省去了單獨(dú)的歸一化步驟。在視網(wǎng)膜圖像血管分割以及心臟圖像血管分割等領(lǐng)域有著重要的應(yīng)用價(jià)值。
文檔編號(hào)A61B3/14GK101520888SQ200810100950
公開日2009年9月2日 申請(qǐng)日期2008年2月27日 優(yōu)先權(quán)日2008年2月27日
發(fā)明者捷 田, 健 陳, 鑫 楊 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所