摘要 論文題目：視網(wǎng)膜圖像處理平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn) 學(xué)科專業(yè)：信號(hào)與信息處理 研究生：熊杰 指導(dǎo)教師：張二虎教授 摘要 簽名： 簽名： 隨著先進(jìn)的醫(yī)學(xué)影像設(shè)備的不斷發(fā)展和圖像處理算法的不斷進(jìn)步，醫(yī)學(xué)影像技術(shù)得到 迅猛發(fā)展，使診斷和治療水平都有很大提高。眼底圖像處理系統(tǒng)的開(kāi)發(fā)，可以輔助眼科醫(yī) 生更好地進(jìn)行疾病診斷與治療。文中通過(guò)對(duì)視網(wǎng)膜圖像處理平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)，旨在為科 研工作者提供一個(gè)算法交流、復(fù)用的平臺(tái)，同時(shí)還可以提高視網(wǎng)膜圖像處理系統(tǒng)軟件開(kāi)發(fā) 效率。 文中針對(duì)視網(wǎng)膜圖像處理平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)，對(duì)視網(wǎng)膜圖像處理算法、視網(wǎng)膜圖像處 理平臺(tái)框架的設(shè)計(jì)與平臺(tái)的實(shí)現(xiàn)進(jìn)行了研究與開(kāi)發(fā)。在視網(wǎng)膜圖像處理算法方面，對(duì)視盤 的定位、硬性分泌物的檢測(cè)、視網(wǎng)膜圖像亮度和對(duì)比度歸一化校正、視網(wǎng)膜圖像血管提取、 視網(wǎng)膜圖像拼接等算法進(jìn)行了研究及實(shí)現(xiàn)；在視網(wǎng)膜圖像處理軟件平臺(tái)框架的設(shè)計(jì)與平臺(tái) 實(shí)現(xiàn)方面，采用面向?qū)ο蠹霸O(shè)計(jì)模式軟件技術(shù)，對(duì)視網(wǎng)膜圖像處理平臺(tái)框架的設(shè)計(jì)目標(biāo)、 需求分析、應(yīng)用層框架、功能模塊做了詳細(xì)的分析，實(shí)現(xiàn)了視網(wǎng)膜圖像處理平臺(tái)。最后， 使用v i s u a lc + + 軟件開(kāi)發(fā)工具、基于a c c e s s 數(shù)據(jù)庫(kù)和a d o 的數(shù)據(jù)庫(kù)訪問(wèn)技術(shù)，開(kāi)發(fā)了 一個(gè)具有一定病人診斷信息管理功能的視網(wǎng)膜圖像處理原型系統(tǒng)。 該視網(wǎng)膜圖像處理平臺(tái)具有一定使用價(jià)值，且實(shí)現(xiàn)的視網(wǎng)膜圖像處理原型系統(tǒng)為眼科 醫(yī)生提供了良好的輔助工具。 關(guān)鍵詞：視網(wǎng)膜圖像；圖像處理平臺(tái)：軟件開(kāi)發(fā)；數(shù)據(jù)庫(kù) 本研究得到西安市科技局工業(yè)科技攻關(guān)項(xiàng)目( 編號(hào)：g g 0 4 0 1 2 ) 的資助 盞 t i t l e ：d e s i g n a n di m p l e m e n t a t i o n o fr e t i n a li m a g e p r o c e s s i n gp l a t f o r m m a j o r ：s i g n a la n di n f o r m a t i o np r o c e s s i n g n a m e ：j i ex i o n g s u p e r v i s o r ：p r o f e r h uz h a n g a b s t r a c t s i g n a t u r e ：一j i g1 一 s 刪u r e ：蚪 w i t ht h ed e v e l o p m e n to fm e d i c a li m a g ef a c i l i t i e sa n dt e c h n i q u e s t h ei m p r o v e m e n to f i m a g ep r o c e s s i n g ，t h em e d i c a li m a g et e c h n o l o g yh a sd e v e l o p e dq u i c k l y , w h i c he n f o r c e s t h e a d v a n c e m e n to fd i a g n o s e sa n dt h e r a p y t h i sp a p e r h a sd e s i g n e da n di m p l e m e n t e dt h ep l a t f o r m o fr e t i n a li m a g ep r o c e s s i n gi no r d e rt op r o v i d er e s e a r c h e r sw i t hap l a t f o r mf o rt h ea r i t h m e t i c c o n 瑚u n i c a t i o na n di m p r o v er e t i n a li m a g ep r o c e s s i n gs y s t e ms o f t w a r ed e v e l o p m e n te f f i c i e n c y i nt h i sp a p e r , s o m er e l e v a n tr e s e a r c h e sh a v e b e e nd o n ea b o u tt h er e t i n a li m a g e sp r o c e s s i n g p l a t f o 肌，i n c l u d i n ga l g o r i t h ma n df r a m e w o r k r e t i n a li m a g ep r o c e s s i n ga l g o r i t h m sh a v eb e e n r e s e a r c h e da n di m p l e m e n t e d ，i n c l u d i n go p t i cd i s kl o c a l i z a t i o n ，l e s i o n sd e t e c t i n g ，l u m i n o s i t ya n d c o n t r a s tn o 棚a l i z a t i o ni nr e t i n a li m a g e s ，r e t i n a li m a g eb l o o dv e s s e le x t r a c t i o n ，r e t i n a li m a g e m o s a i c i n g d e t a i l e da n a l y s i sh a sb e e n d o n ea b o u td e s i g no ft h ep l a t f o r m ，i n c l u d i n g t h ea n a l y s i s o fr e q u i r e m e n t ，t h ea p p l i c a t i o nf r a m e w o r k ，t h em o d u l eo ff u n c t i o n ，u s i n go o d a n dd e s i g n p a t t e r n f i n a l l y , t h er e t i n ai m a g ep r o c e s s i n gp l a t f o r mh a s b e e ni m p l e m e n t e d a n dt h e nt h e p r o t o t y p es y s t e mo fr e t i n a li m a g e sp r o c e s s i n gw i t hp a t i e n td i a g n o s ei n f o r m a t i o nm a n a g e m e n t f u n c t i o nf o ro p h t h a l m o l o g i s t sh a sb e e nd e v e l o p e d ，u s i n gv i s u a lc + + ，a c c e s s d a t a b a s ea n d t h et e c h n o l o g yo fa d o t h i sr e t i n a li m a g ep r o c e s s i n gp l a t f o r mw h i c hh a sb e e nd e v e l o p e dh a sw o r k a b i l i t y , a n dt h e p r o t o t y p es y s t e mo ft h er e t i n a li m a g ep r o c e s s i n gp l a t f o r mw h i c h h a sb e e ni m p l e m e n t e dc a nb e af a v o r a b l ea s s i s t a n tt o o lf o ro p h t h a l m o l o g i s t s k e y w o r d s ：r e t i n a li m a g e ；i m a g ep r o c e s s i n gp l a t f o r m ；s o f t w a r ed e v e l o p m e n t ；d a t a b a s e u f u n d o fs e i ，齟g g 0 4 0 12 lmbursed b yi n d u s t r i a lt e c h n o l o g yf u n do fs c i e n c ea n dt e c h n o l o g y b u r e a uo fx i齟 目錄 目錄 1 前言1 1 1 課題的目的與意義1 1 2 課題研究現(xiàn)狀2 1 2 1 醫(yī)學(xué)圖像處理平臺(tái)設(shè)計(jì)現(xiàn)狀2 1 2 2 視網(wǎng)膜圖像處理系統(tǒng)現(xiàn)狀2 1 3 課題的主要內(nèi)容3 2 視網(wǎng)膜圖像處理算法研究5 2 1 視網(wǎng)膜圖像的亮度和對(duì)比度歸一化校正5 2 1 1 基本原理及實(shí)現(xiàn)5 2 1 2 實(shí)驗(yàn)結(jié)果7 2 2 視盤的定位7 2 3 硬性分泌物的檢測(cè)8 2 3 1 視網(wǎng)膜圖像的明度調(diào)節(jié)。9 2 3 2 硬性分泌物的初步提取9 2 3 2 硬性分泌物的確認(rèn)1 0 3 視網(wǎng)膜圖像處理平臺(tái)總體框架設(shè)計(jì)1 3 3 1 平臺(tái)設(shè)計(jì)采用的相關(guān)技術(shù)1 3 3 1 1 面向?qū)ο筌浖こ谭椒?3 3 1 2 設(shè)計(jì)模式1 3 3 1 3 統(tǒng)一建模語(yǔ)言( u m l ) 1 4 3 2r i p t k 的設(shè)計(jì)目標(biāo)1 4 3 3r i p t k 的需求分析1 4 3 4r i p t k 的應(yīng)用框架設(shè)計(jì)1 5 3 5r i p t k 功能模塊分析1 6 3 6 平臺(tái)設(shè)計(jì)與開(kāi)發(fā)的總體思路1 7 3 6 1 圖像處理操作接口的統(tǒng)一17 西安理工大學(xué)碩士學(xué)位論文 3 6 2 圖像處理操作的復(fù)用1 8 3 6 3 操作接口的簡(jiǎn)化1 8 4 視網(wǎng)膜圖像處理平臺(tái)的實(shí)現(xiàn)2 l 4 1 圖像輸入輸出模塊的設(shè)計(jì)與實(shí)現(xiàn)2 1 4 2 色彩處理模塊的設(shè)計(jì)與實(shí)現(xiàn)2 2 4 2 1 色彩處理的理論基礎(chǔ)2 2 4 2 2 色彩處理模塊的設(shè)計(jì)與實(shí)現(xiàn)2 4 4 3 底層算法模塊的設(shè)計(jì)與實(shí)現(xiàn)2 5 4 3 1r i p t k 所包含的底層算法類2 5 4 - 3 2 底層算法模塊的具體設(shè)計(jì)與實(shí)現(xiàn)2 5 4 4 中間應(yīng)用層算法模塊的設(shè)計(jì)與實(shí)現(xiàn)3 4 4 4 1 視網(wǎng)膜圖像血管提取模塊的設(shè)計(jì)與實(shí)現(xiàn)3 4 4 4 2 視網(wǎng)膜圖像配準(zhǔn)模塊的設(shè)計(jì)與實(shí)現(xiàn)3 5 4 4 3 視網(wǎng)膜圖像融合模塊的設(shè)計(jì)與實(shí)現(xiàn)3 6 4 4 4 視網(wǎng)膜圖像拼接模塊的設(shè)計(jì)與實(shí)現(xiàn)3 8 4 4 5 視網(wǎng)膜圖像血管測(cè)量模塊的設(shè)計(jì)與實(shí)現(xiàn)3 9 4 4 6 其它模塊的設(shè)計(jì)與實(shí)現(xiàn)4 0 5 基于r i p t k 的視網(wǎng)膜圖像處理系統(tǒng)開(kāi)發(fā)4 3 5 1r i p t k 平臺(tái)的使用介紹4 3 5 2 診斷信息管理4 6 5 2 1a d o 技術(shù)簡(jiǎn)介4 6 5 2 2 病人診斷信息管理功能設(shè)計(jì)與實(shí)現(xiàn)4 7 5 3 利用r i p t k 視網(wǎng)膜圖像處理原型系統(tǒng)的開(kāi)發(fā)4 8 6 總結(jié)與展望4 9 致謝5l 參考文獻(xiàn)5 3 前言 1 前言 傳統(tǒng)的影像技術(shù)是用膠片進(jìn)行診斷或者通過(guò)顯示屏幕進(jìn)行觀察，所得到的診斷結(jié)果帶 有醫(yī)生的主觀經(jīng)驗(yàn)判斷，在很大程度上取決于醫(yī)生的臨床經(jīng)驗(yàn)。醫(yī)學(xué)影像處理與分析學(xué)科 是計(jì)算機(jī)信息學(xué)、物理學(xué)和醫(yī)學(xué)等相結(jié)合的產(chǎn)物，醫(yī)學(xué)工作者用計(jì)算機(jī)對(duì)醫(yī)學(xué)影像設(shè)備采 集到的影像進(jìn)行處理1 。醫(yī)學(xué)影像處理與分析與人民的醫(yī)療保鍵和健康事業(yè)息息相關(guān)，應(yīng) 用醫(yī)學(xué)影像處理分析技術(shù)不僅能節(jié)約大量的時(shí)間和費(fèi)用，減少人為的誤差，避免重復(fù)的工 作，還可以輔助醫(yī)生進(jìn)行更好、更準(zhǔn)確的診斷，在臨床診斷、教學(xué)科研等方面發(fā)揮著極其 重要的作用。隨著現(xiàn)代計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展，醫(yī)學(xué)影像處理與分析越來(lái)越多地受到人們 的重視，現(xiàn)在已經(jīng)成為- i 3 新興的發(fā)展迅速的交叉學(xué)科領(lǐng)域。如果說(shuō)2 0 世紀(jì)是醫(yī)學(xué)影像 形成和快速發(fā)展的世紀(jì)，在2 1 世紀(jì)就將是醫(yī)學(xué)影像廣泛應(yīng)用的世紀(jì)n 1 。 眼底圖像處理與分析是2 0 世紀(jì)8 0 年代興起的一項(xiàng)新技術(shù)，是醫(yī)學(xué)影像處理與分析在 眼科領(lǐng)域的一個(gè)重要應(yīng)用，對(duì)眼底形態(tài)學(xué)方面的觀察具有客觀、可重復(fù)和可靠的優(yōu)點(diǎn)n 1 。 眼底圖像處理與分析系統(tǒng)在國(guó)外已被越來(lái)越廣泛地應(yīng)用，將逐步取代傳統(tǒng)的眼底照相方 法，并成為眼底病定量研究必不可少的工具。但國(guó)外產(chǎn)品價(jià)格昂貴，國(guó)內(nèi)同類產(chǎn)品的研制 尚處于起步階段。 1 1 課題的目的與意義 目前，高血壓、糖尿病、腦血管硬化及冠狀動(dòng)脈硬化是一種全球性的疾病，是導(dǎo)致老 年人死亡和致殘的重要原因之一。以糖尿病為例：據(jù)w h o 報(bào)告，全球的糖尿病患者約 有1 2 億人，估計(jì)到2 0 2 5 年會(huì)增加一倍。我國(guó)的糖尿病發(fā)病率高于2 ，美國(guó)6 5 歲以上 的人群中2 0 患有糖尿病，目前約有1 7 萬(wàn)患者，每年約有2 4 萬(wàn)患者致盲。由于這類 疾病損傷的組織水平首先是在微循環(huán)和微血管層次的變化，并且眼底視網(wǎng)膜微血管是人體 唯一可以非創(chuàng)傷性直接觀察的較深層的微血管，所以它的改變程度與這類疾病的病程、嚴(yán) 重程度及愈后情況密切相關(guān)。如果可以通過(guò)使用眼底計(jì)算機(jī)系統(tǒng)對(duì)眼底形態(tài)結(jié)構(gòu)進(jìn)行分 析，對(duì)各組織進(jìn)行定性或定量的測(cè)量，在正常和異常之間做出明確鑒別，不僅可以診斷該 類疾病發(fā)生及其程度，而且可以預(yù)報(bào)發(fā)生的征兆。因此，眼底計(jì)算機(jī)系統(tǒng)的開(kāi)發(fā)在臨床上 具有重要意義，能大大加強(qiáng)眼底檢查優(yōu)勢(shì)。 鑒于以上原因，近一、二十年來(lái)國(guó)內(nèi)外越來(lái)越多的科研工作者致力于視網(wǎng)膜圖像處 理的算法研究，以及視網(wǎng)膜圖像處理系統(tǒng)軟件的研發(fā)工作，但數(shù)量巨大的算法類型與數(shù)據(jù) 類型也給算法研究和軟件開(kāi)發(fā)人員帶來(lái)了一定的難度。本課題在視網(wǎng)膜圖像處理相關(guān)算法 研究，進(jìn)行視網(wǎng)膜圖像處理平臺(tái)的設(shè)計(jì)及實(shí)現(xiàn)，開(kāi)發(fā)視網(wǎng)膜圖像處理開(kāi)發(fā)包( r e t i n a li m a g e p r o c e s s i n gt o o l k i t ，以下簡(jiǎn)稱r i p t k ) ，能夠封裝相關(guān)領(lǐng)域的一些成熟的算法，從而幫助 算法研究人員不僅可以從局部上去理解單個(gè)算法的性能指標(biāo)、不同算法的性能差異，還有 利于在整體上去理解和把握不同算法之間的影響、整體的瓶頸所在、不同信息的整合等。 并通過(guò)該平臺(tái)中集成大量的具有可擴(kuò)展性強(qiáng)、可維護(hù)性好、使用靈活的視網(wǎng)膜圖像處理算 西安理工大學(xué)碩士學(xué)位論文 法，使軟件丌發(fā)人員方便使用，避免大量重復(fù)的編程工作，減輕他們的編程壓力，能夠在 該平臺(tái)的基礎(chǔ)上方便、快速的進(jìn)行視網(wǎng)膜圖像處理軟件的開(kāi)發(fā)，提高開(kāi)發(fā)的效率。 1 2 課題研究現(xiàn)狀 1 2 1 醫(yī)學(xué)圖像處理平臺(tái)設(shè)計(jì)現(xiàn)狀 目前，在醫(yī)學(xué)圖像處理軟件平臺(tái)領(lǐng)域最著名的開(kāi)發(fā)包包括i t k ( i n s i g h ts e g m e n t a t i o n a n dr e g i s t r a t i o nt o o l k i t ) 如1 和v t k ( v i s u a l i z a t i o nt o o l k i t ) 6 1 。有許多研究人員利用i t k 和v t k 進(jìn)行醫(yī)學(xué)影像算法研究和軟件的開(kāi)發(fā)。 v t k ( v i s u a l i z a t i o nt o o l k i t ) 是一套進(jìn)行數(shù)據(jù)可視化的開(kāi)發(fā)工具包，并不是專門針對(duì) 醫(yī)學(xué)影像領(lǐng)域的。它是使用c + + 語(yǔ)言編寫出來(lái)的包括三維計(jì)算機(jī)圖形學(xué)、圖像處理和可 視化三大功能的開(kāi)源類庫(kù)。于1 9 9 3 年1 2 月由美國(guó)g e 公司研發(fā)部門的w i l ls c h r o e d e r 和 k e nm a r t i n 首次發(fā)布，最初是作為( ( t h ev i s u a l i z a t i o nt o o l k i t ：a no b j e c t o r i e n t e da p p r o a c h t o3 dg r a p h i c s ) ) 這本書的配套軟件贈(zèng)送，并于1 9 9 8 年，發(fā)布了第二個(gè)版本。v t k 完全采 用面向?qū)ο蟮脑O(shè)計(jì)思想來(lái)設(shè)計(jì)與開(kāi)發(fā)，它具有非常強(qiáng)大的功能，提供了超過(guò)3 0 0 個(gè)c + + 類，并且可以支持跨平臺(tái)開(kāi)發(fā)，支持w i n d o w s 、u n i x 、l i n u x 等多種平臺(tái)。發(fā)展到現(xiàn)在， v t k 的穩(wěn)定版本已經(jīng)發(fā)行到4 2 版本，并且新的5 0 版本也在持續(xù)地開(kāi)發(fā)中，已經(jīng)成為通 用可視化領(lǐng)域內(nèi)最負(fù)盛名的軟件開(kāi)發(fā)包。 i t kf i n s i g h ts e g m e n t a t i o na n dr e g i s t r a t i o nt o o l k i t ) 的主要目的是提供醫(yī)學(xué)影像的分割 與配準(zhǔn)功能，是專門針對(duì)醫(yī)學(xué)影像領(lǐng)域開(kāi)發(fā)的。1 9 9 9 年，美國(guó)國(guó)家衛(wèi)生院下屬的國(guó)立醫(yī) 學(xué)圖書館發(fā)起了一個(gè)投標(biāo)活動(dòng)，要出資資助開(kāi)發(fā)一個(gè)分割與配準(zhǔn)的開(kāi)發(fā)平臺(tái)，作為 v i s i b l e h u m a n 項(xiàng)目的一個(gè)工具，對(duì)v i s i b l eh u m a n 項(xiàng)目得到的數(shù)據(jù)進(jìn)行處理與分析，最終 選中6 家單位合作開(kāi)發(fā)，包括3 個(gè)大學(xué)和3 個(gè)商業(yè)公司。從1 9 9 9 年1 0 月開(kāi)始，到2 0 0 2 年1 0 月發(fā)行了i t k l 0 。i t k 的開(kāi)發(fā)采用開(kāi)放源碼的形式，由k i t w a r e 公司負(fù)責(zé)維護(hù)。i t k 是一個(gè)用c + + 語(yǔ)言建立的、面向?qū)ο蟮?、采用模板編程技術(shù)的、跨平臺(tái)的開(kāi)源軟件開(kāi)發(fā) 包。i t k 目前的穩(wěn)定版本是1 4 ，幾乎包括目前主流的分割和配準(zhǔn)算法，也正在得到人們 越來(lái)越多的應(yīng)用。 近幾年來(lái)，國(guó)內(nèi)許多科學(xué)工作者也在致力于醫(yī)學(xué)軟件平臺(tái)的開(kāi)發(fā)工作，其中m i t k ( m e d i c a li m a g i n gt o o l k i t ) 也越來(lái)越受到大家的關(guān)注。m i t k 是由中國(guó)科學(xué)院自動(dòng)化研究 所復(fù)雜系統(tǒng)與智能科學(xué)重點(diǎn)實(shí)驗(yàn)室醫(yī)學(xué)影像處理研究組開(kāi)發(fā)的集成化的醫(yī)學(xué)影像處理與 分析c + + 類庫(kù)。m i t k 結(jié)合了v t k 和i t k 的些特點(diǎn)，主要是為醫(yī)學(xué)領(lǐng)域提供一套整合 了醫(yī)學(xué)圖像分割、配準(zhǔn)和可視化等功能。和v i k 的風(fēng)格相似，m i t k 采用面向?qū)ο蟮脑O(shè) 計(jì)方法，目前m i t k 的版本是1 2 。 1 2 2 視網(wǎng)膜圖像處理系統(tǒng)現(xiàn)狀 眼底圖像處理系統(tǒng)的應(yīng)用主要集中在兩方面：一是增強(qiáng)眼底圖像的特征，方便醫(yī)生的 2 前言 診斷，但并沒(méi)有改變定性評(píng)價(jià)與診斷的性質(zhì)；二是利用模式識(shí)別技術(shù)，自動(dòng)對(duì)特征現(xiàn)象分 類得出診斷結(jié)果，目前離臨床實(shí)用仍有一段距離。目前，國(guó)內(nèi)外有許多科研單位及公司從 事視網(wǎng)膜血管造影設(shè)備及視網(wǎng)膜圖像處理系統(tǒng)開(kāi)發(fā)，如卡爾蔡司公司、福達(dá)光電設(shè)備有 限公司、海德堡公司。 卡爾蔡司公司是精密光學(xué)儀器領(lǐng)域的領(lǐng)頭羊，制造包括相機(jī)鏡頭、實(shí)驗(yàn)室設(shè)備、天 文館投影機(jī)等一系列產(chǎn)品，并為交通、半導(dǎo)體、醫(yī)藥和攝影等領(lǐng)域制造光學(xué)設(shè)備。該公司 生產(chǎn)的眼科造影設(shè)備可以通過(guò)視覺(jué)檢查的方法進(jìn)行診斷，也可以使用數(shù)字化的熒光血管造 影術(shù)( f a g ：i c g ) 對(duì)視網(wǎng)膜和脈絡(luò)膜血管進(jìn)行分析。 福達(dá)光電設(shè)備有限公司是一家專業(yè)從事眼科診斷設(shè)備一眼底攝像機(jī)的研究、開(kāi)發(fā)、生 產(chǎn)、銷售的公司。其生產(chǎn)的f v c 5 0 系列眼底攝像機(jī)是高科技光學(xué)電子醫(yī)療設(shè)備，它采用 非球面、多層鍍膜技術(shù)與視頻攝像計(jì)算機(jī)控制等電子技術(shù)相結(jié)合，運(yùn)用同軸照明方式照明 眼底，并用專業(yè)攝像頭對(duì)眼底圖像進(jìn)行拍攝，其自主研發(fā)的f d d n e t2 1 6 眼底圖像計(jì)算機(jī) 分析處理系統(tǒng)，能將動(dòng)態(tài)的眼底圖像實(shí)時(shí)顯示在計(jì)算機(jī)顯示屏上，同時(shí)以數(shù)字的格式在計(jì) 算機(jī)系統(tǒng)中同步清晰地記錄下整個(gè)造影動(dòng)態(tài)的全過(guò)程( 2 5 幅圖像秒) ，供醫(yī)生重放、對(duì) 圖像進(jìn)行各種分析處理并且打印出報(bào)告( 含眼底圖像) 。 海德堡公司與德國(guó)海德堡大學(xué)合作開(kāi)發(fā)的海德堡角膜共焦生物顯微鏡具有青光眼早 期診斷功能。該儀器應(yīng)用共焦激光二級(jí)管技術(shù)，提供視盤和其周圍視網(wǎng)膜地形圖的測(cè)量。 地形圖是由焦深平面連續(xù)的3 2 個(gè)光學(xué)切面組成。每一個(gè)圖像由2 5 6 2 5 6 像素構(gòu)成。由激 光掃描照相機(jī)從視網(wǎng)膜的前端逐層的向后掃描得到不同位置的一系y 0 - - 維平面圖。該二維 平面圖系列被自動(dòng)保存在計(jì)算機(jī)系統(tǒng)中，圖像處理軟件自動(dòng)把該二維平面圖系列合成為一 個(gè)層狀的三維圖像，應(yīng)用于早期的青光眼診斷。 雖然現(xiàn)在國(guó)內(nèi)外有許多科學(xué)工作者致力于圖像處理算法的研究，但是，在視網(wǎng)膜圖像 處理系統(tǒng)的開(kāi)發(fā)方面仍然不夠完善，大部分的眼底圖像處理系統(tǒng)只有一些基本圖像處理功 能，且互相不開(kāi)放。 1 3 課題的主要內(nèi)容 本課題以設(shè)計(jì)與實(shí)現(xiàn)視網(wǎng)膜圖像處理平臺(tái)為總的目標(biāo)，具體來(lái)講，主要有以下四個(gè)主 要方面工作： l 、對(duì)視網(wǎng)膜圖像處理算法進(jìn)行研究與實(shí)現(xiàn)，如視網(wǎng)膜圖像亮度與對(duì)比度的歸一化較 正、視盤的定位、硬性分泌物的檢測(cè)等，以豐富平臺(tái)中的算法。 2 、通過(guò)科學(xué)的軟件工程的設(shè)計(jì)理念，對(duì)視網(wǎng)膜圖像處理平臺(tái)的設(shè)計(jì)目標(biāo)、需求分析、 應(yīng)用層框架、功能模塊進(jìn)行詳細(xì)分析，為平臺(tái)設(shè)計(jì)提供一個(gè)靈活、優(yōu)雅、復(fù)用性好的的總 體框架。 3 、在總體框架設(shè)計(jì)的基礎(chǔ)上，結(jié)合對(duì)視網(wǎng)膜圖像處理算法的研究，抽象出各算法的 模型，設(shè)計(jì)并實(shí)現(xiàn)各處理功能模塊。采用了統(tǒng)一建模語(yǔ)言u(píng) m l 描述平臺(tái)的設(shè)計(jì)，并最終 實(shí)現(xiàn)一個(gè)開(kāi)源的、具有統(tǒng)一風(fēng)格的、一致接口的、可復(fù)用性好的、方便移植的視網(wǎng)膜圖像 3 西安理工大學(xué)碩士學(xué)位論文 處理平臺(tái)( r i t p k ) 。 4 、使用v i s u a lc + + 軟件開(kāi)發(fā)工具并基于a c c e s s 數(shù)據(jù)庫(kù)和a d o 的數(shù)據(jù)庫(kù)訪問(wèn)技術(shù)， 實(shí)現(xiàn)一個(gè)具有病人診斷信息管理功能的視網(wǎng)膜圖像處理的原型系統(tǒng)。一方面，作為一個(gè)開(kāi) 發(fā)的演示，說(shuō)明該視網(wǎng)膜圖像處理平臺(tái)的可使用性；另一方面，為眼科醫(yī)生提供了一個(gè)良 好的輔助工具。 4 視網(wǎng)膜圖像處理算法研究 2 視網(wǎng)膜圖像處理算法研究 視網(wǎng)膜圖像處理方法1 主要包括預(yù)處理、拼接( 包括配準(zhǔn)、融合) 技術(shù)、測(cè)量技術(shù)、 提取和檢測(cè)技術(shù)等。 視網(wǎng)膜圖像預(yù)處理主要是指視網(wǎng)膜圖像的歸一化校正，包括明度、對(duì)比度及顏色的校 正。視網(wǎng)膜圖像拼接技術(shù)可以視為配準(zhǔn)和融合兩個(gè)步驟組成，其中配準(zhǔn)技術(shù)是拼接技術(shù)的 核心 s l y 近幾年隨著對(duì)圖像配準(zhǔn)的深入研究已經(jīng)提出了不少配準(zhǔn)方法n 1 。視網(wǎng)膜圖像測(cè)量 包括視網(wǎng)膜血管管徑的測(cè)量以及對(duì)視網(wǎng)膜各形態(tài)結(jié)構(gòu)的大小和距離的測(cè)量等。視網(wǎng)膜圖 像提取和檢測(cè)的主要目的是獲得醫(yī)生感興趣的區(qū)域，如血管、視盤等。視網(wǎng)膜圖像血 管的提取一直是研究的熱點(diǎn)，算法比較多，如血管追蹤方法n 叫n 、匹配濾波法 1 2 1 局 部自適應(yīng)閾值法 1 3 1 拓?fù)渥赃m應(yīng)變形尺寸法 1 4 1 基于數(shù)學(xué)形態(tài)學(xué)的方法釘、基于神經(jīng) 網(wǎng)絡(luò)的像素分類法“、基于脊的血管分割法n 等。目前，微動(dòng)脈瘤、硬性分泌物的檢 測(cè)及視盤的定位等算法對(duì)圖像采集效果的依賴性較大，各算法的適用性不好，魯棒性 不強(qiáng)，在實(shí)際應(yīng)用中受到了很大的局限。 本章在以前對(duì)視網(wǎng)膜圖像的配準(zhǔn)、拼接、血管管徑的測(cè)量及視網(wǎng)膜血管的提取等 算法1 盯1 9 列n 研究的基礎(chǔ)上，針對(duì)視網(wǎng)膜圖像的亮度及對(duì)比度歸一化校正、視盤的定 位及硬性分泌物的檢測(cè)等算法進(jìn)行研究與實(shí)現(xiàn)，進(jìn)一步豐富平臺(tái)中的算法。 2 1 視網(wǎng)膜圖像的亮度和對(duì)比度歸一化校正m ， 視網(wǎng)膜圖像的采集是通過(guò)c c dj 艮底照相機(jī)而得到的，成像過(guò)程中產(chǎn)生有可能產(chǎn)生局 部亮度、對(duì)比度的失真，如圖2 1 ( a ) 所示。這樣可能會(huì)影響到醫(yī)生對(duì)疾病的診斷和治療， 也不利于計(jì)算機(jī)進(jìn)一步的自動(dòng)化分析和診斷。通過(guò)歸一化操作后，醫(yī)生還可以更直觀的觀 察視網(wǎng)膜圖像中的視網(wǎng)膜血管、視盤及硬性分泌物等。因此，在對(duì)視網(wǎng)膜圖像進(jìn)行其它處 理之前，對(duì)其亮度和對(duì)比度進(jìn)行歸一化校正是十分有必要的。 國(guó)內(nèi)外研究人員對(duì)視網(wǎng)膜圖像的歸一化做了相關(guān)研究。如同態(tài)濾波的方法“釘；非線 性變換來(lái)調(diào)節(jié)明度的方法n 釘。 2 1 1 基本原理及實(shí)現(xiàn) 本節(jié)采用文獻(xiàn)【2 2 】中的方法。其基本原理是：首先建立視網(wǎng)膜圖像獲取模型，然后 通過(guò)估計(jì)圖像背景部分的亮度和對(duì)比度的偏差來(lái)對(duì)整幅圖像明度和對(duì)比度進(jìn)行歸一化。為 了便于模型建立及處理，首先要將視網(wǎng)膜圖像灰度值調(diào)整到f o ，1 】范圍內(nèi)。該方法的具體過(guò) 程如下： 視網(wǎng)膜圖像的亮度和對(duì)比度進(jìn)行校正基于以下圖像獲取模型： ，= f ( 1 。) = 廠( 露+ ，；)( 2 1 ) 式中，o 表示標(biāo)準(zhǔn)圖像，露表示標(biāo)準(zhǔn)圖像的背景部分，；表示標(biāo)準(zhǔn)圖像的前景部分，函數(shù) ( ) 表示在圖像的獲取過(guò)程中的亮度及對(duì)比度的失真。 5 西安理工大學(xué)碩士學(xué)位論文 設(shè)c ( x ，y ) 與l ( x ，y ) 分別表示對(duì)比度與亮度的偏差因子，且標(biāo)準(zhǔn)圖像和獲取到的圖像 之間的關(guān)系可以表示為： i ( x ，y ) = f ( i 。( x ，少) ) = c ( x ，y ) i 。( x ，y ) + 三( x ，少) ( 2 2 ) 則可以通過(guò)估計(jì)c ( x ，y ) 和l ( x ，y ) 來(lái)對(duì)圖像進(jìn)行歸一化校正。 j 。( x ，y ) = 式中j 。表示進(jìn)行過(guò)校正后的視網(wǎng)膜圖像， 偏差因子。由式( 2 1 ) 和( 2 2 ) 得： i ( x ，y ) 一l ( x ，y ) c ( x ，y ) ( 2 3 ) 三( x ，y ) j g le ( x ，j ，) 分別表示估計(jì)的亮度和對(duì)比度 i ( x ，j ，) = c ( x ，y ) i o ( x ，y ) + l ( x ，少) = c ( x ，y ) 鬈( x ，y ) + ，；( z ，y ) 】+ l ( x ，j ，) = c ( x ，y ) 巧( z ，少) + c ( x ，y ) ，；+ l ( x ，y ) ( 2 4 ) 可以認(rèn)為前景圖像，；與背景圖像露在視網(wǎng)膜標(biāo)準(zhǔn)圖像中是彼此獨(dú)立，其中，；變化比較 大，很難將它精確的描述出來(lái)。但是背景圖像鬈的亮度統(tǒng)計(jì)特性服從正態(tài)分布： 巧( 心，) ( 2 5 ) 其中期望心代表了圖像的平均亮度，標(biāo)準(zhǔn)方差代表了視網(wǎng)膜亮度的變化情況。如果能 從獲取的視網(wǎng)膜圖像中的估計(jì)出背景部分，。即： 厶= c ( x ，y ) 鬈+ l ( x ，y ) ( 2 6 ) f 1 ( 2 5 1 可得： 厶n ( l ( x ，y ) ，c ( x ，y ) ) ( 2 7 ) 那么便可以從背景圖像中估計(jì)l ( x ，y ) 和c ( x ，y ) ，即l ( x ，y ) 和c ( x ，y ) ，根據(jù)式( 2 3 ) 便 可對(duì)獲取的視網(wǎng)膜圖像進(jìn)行校正。 要估計(jì)l ( x ，y ) 和c ( x ，y ) ，由式( 2 6 ) 可知，需提取圖像的背景部分。通常背景部分在 某一合適大小的鄰域內(nèi)具有以下幾個(gè)特征： ( 1 ) 、由于在視網(wǎng)膜圖像獲取過(guò)程中采用漫反射光源，所以l ( x ，y ) 和c ( x ，y ) 在背景圖 像中一般集中在低頻區(qū)域，則三和c 可以近似為常量。 ( 2 ) 、圖像中的背景在視網(wǎng)膜圖像中占有至少5 0 的像素點(diǎn)。 ( 3 ) 、背景部分和前景部分在亮度上會(huì)有一定的差別。 如果對(duì)于圖像中的每個(gè)像素點(diǎn)( x ，y ) 在鄰域的均值和標(biāo)準(zhǔn)方差分別是( x ，y ) 和 盯( x ，y ) ，樣本均值和樣本方差分別是p ( x ，y ) 和彥| ( x ，y ) 。那么，可以用m a h a l a n o b i s 足 3 離d m 來(lái)衡量當(dāng)前點(diǎn)( z ，y ) 在鄰域n 內(nèi)與平均亮度的接近程度，并設(shè)定一個(gè)閾值丁作為判斷 當(dāng)前點(diǎn)是不是背景的標(biāo)準(zhǔn)。當(dāng)t 九則當(dāng)前點(diǎn)為背景，否則為前景。 d m = ( 2 8 ) 由于對(duì)視網(wǎng)膜圖像中每個(gè)像素點(diǎn)求取樣本均值和樣本方差，計(jì)算量非常大，為了減少 計(jì)算量，將圖像分成小塊，求取每塊的樣本均值和樣本方差，然后用二維雙線性插值得到 6 視網(wǎng)膜圖像處理算法研究 全幅圖像每個(gè)像素在領(lǐng)域內(nèi)的樣本均值和樣本方差。通過(guò)以上方法的分析，可以得到實(shí)現(xiàn) 該方法的算示步驟如下： 1 、將圖像各像素亮度值歸一化到 0 ，1 】范圍內(nèi)； 2 、將視網(wǎng)膜圖像平均分成1 6 個(gè)小塊，求取每個(gè)塊中的樣本均值和樣本方差； 3 、二維雙線性插性求取整個(gè)視網(wǎng)膜圖像各像素點(diǎn)在領(lǐng)域內(nèi)的樣本均值和樣本方差； 4 、使用m a h a l a n o b i s 距離提取背景； 5 、對(duì)視網(wǎng)膜圖像背景部分按2 ，3 步求取各像素點(diǎn)在領(lǐng)域內(nèi)的樣本均值和樣本方差； 6 、按式( 2 3 ) 進(jìn)行歸一化，并調(diào)整各像素亮度值到0 - 2 5 5 之間。 2 1 2 實(shí)驗(yàn)結(jié)果 實(shí)驗(yàn)中，將一幅2 5 6 x 2 5 6 視網(wǎng)膜灰度圖像平分成1 6 個(gè)子塊，并且取t = 0 6 8 。用上述 方法進(jìn)行明度、對(duì)比度歸一化校正與其它方法進(jìn)行校正的效果如圖2 1 所示。從圖中可以 看出本文所采用的方法效果比較好。 ( a ) 原圖( b ) 本文方法( c ) 同態(tài)濾濾( d ) 非線性變換 圖2 1 視網(wǎng)膜圖像歸一化校正效果 f i 9 2 - lr e s u l t so fi m a g en o r m a l i z a t i o n 2 2 視盤的定位 視盤通常是視網(wǎng)膜圖像中亮度值較高的近似圓形的區(qū)域，它位于視網(wǎng)膜中央動(dòng)靜脈交 匯處，如圖2 2 ( a ) 。視盤的定位在視網(wǎng)膜血管跟蹤算法以及視網(wǎng)膜病理學(xué)等方面有重要意 義2 釘。另外，由于視盤和硬性分泌物等在顏色、亮度方面具有一定的相似性，在進(jìn)行硬 性分泌物識(shí)別時(shí)需要將視盤區(qū)域排除，以免錯(cuò)檢“盯。針對(duì)視盤的形狀及亮度等特點(diǎn)，國(guó) 內(nèi)外學(xué)者提出了一些視盤的定位方法，c h a u d u r i 等人2 提出了基于視盤灰度特性的聚類 方法。考慮到視盤的形態(tài)特性，k a l v i a i n e 2 釘采用了一種h o u g h 空間變換的方法對(duì)視盤進(jìn)行 定位。根據(jù)視網(wǎng)膜血管源于視盤的特點(diǎn)，f o r a c c h i a 等人偽1 提出了一種基于視盤的幾何參 數(shù)模型，通過(guò)描述視網(wǎng)膜血管方向等特性來(lái)定位視盤，但是前提必須已經(jīng)較好的提取出視 網(wǎng)膜血管脈絡(luò)。 本文提出了一種基于灰度搜索策略的定位方法。定位過(guò)程可以分為以下三步： 1 、視盤中心粗定位。在設(shè)定的范圍內(nèi)平移圓形區(qū)域，使得圓形區(qū)域中所有像素的灰 度均值為最大。 7 西安理工大學(xué)碩士學(xué)位論文 2 、定位中心的調(diào)節(jié)。經(jīng)過(guò)第1 步平移之后，視盤中心已基本位于圓形區(qū)域的中心位置。 在圓形區(qū)域中，計(jì)算高于某個(gè)閾值的所有像素的形心，以該形心作為新的視盤中心。 3 、視盤半徑的調(diào)節(jié)。在小范圍內(nèi)改變半徑，使得在新的圓形區(qū)域中的所有像素的灰 度均值最大。 通常，視網(wǎng)膜圖像中視盤的位置會(huì)位于圖像的l 2 高度處，可以通過(guò)這個(gè)先驗(yàn)知識(shí)， 設(shè)定從視網(wǎng)膜圖像的1 2 高度區(qū)域開(kāi)始搜索。一方面可以排除其它區(qū)域的干擾，提高定位 的準(zhǔn)確性；另一方面也可以減少搜索的時(shí)間消耗，提高定位的速度。實(shí)驗(yàn)中所使用的視網(wǎng) 膜圖像來(lái)自于h o o v e r 數(shù)據(jù)庫(kù)1 3 0 數(shù)據(jù)庫(kù)中共有2 0 幅圖像，其中有9 幅圖像是帶有病變的。 通過(guò)主觀判斷，以定位中心與視盤中心幾乎重合、定位中心與視盤中心大致重合、以及其 它這三種情況將定位結(jié)果劃分為良好、一般、差，統(tǒng)計(jì)結(jié)果如表2 1 所示。 表2 1 視網(wǎng)膜圖像中視盤定位效果統(tǒng)計(jì) t a b 2 - 1 s t a t i s t i cr e s u l to fo p t i cd i s cl o c a l i z a t i o n 評(píng)價(jià)良好一般差 數(shù)目 1 45l 通過(guò)觀察視盤定位錯(cuò)誤的視網(wǎng)膜圖像， 發(fā)現(xiàn)該視網(wǎng)膜圖像中的視盤與背景的亮度 非常接近，所以無(wú)法進(jìn)行準(zhǔn)確定位。對(duì)其 它視網(wǎng)膜圖像都能較好的定位出視盤的中 心。圖2 。2 結(jié)出了其中一幅視網(wǎng)膜圖像及其 視盤定位的結(jié)果。 ( a ) 視網(wǎng)膜原圖( b ) 視盤定位結(jié)果 圖2 - 2 視盤定位 f i 9 2 2l o c a l i z a t i o no fo p t i cd i s c 2 3 硬性分泌物的檢測(cè)n 硬性分泌物在視網(wǎng)膜圖像中一般呈現(xiàn)為不定形狀、大小的黃白色物質(zhì)。硬性分泌物 在早期糖尿病等視網(wǎng)膜疾病的診斷過(guò)程中有非常重要的意義 3 2 1 0 眼科醫(yī)生通常通過(guò)手工 標(biāo)注的方法來(lái)進(jìn)行硬性分泌物的檢測(cè)與分析，這需要花費(fèi)大量的時(shí)間和精力。所以，有必 要尋找一種硬性分泌的自動(dòng)檢測(cè)方法。 由于硬性分泌物在其大小、形狀、紋理等方面都沒(méi)有固定的特征，所以并不能依據(jù)這 些特征來(lái)對(duì)硬性分泌進(jìn)行檢測(cè)。一般來(lái)說(shuō)，主要利用它的顏色信息來(lái)進(jìn)行判別。但是，由 于獲取的視網(wǎng)膜圖像都會(huì)受到各方面因素的影響n ，使它們較難在同一標(biāo)準(zhǔn)下進(jìn)行判別。 基于以上原因，本文針對(duì)彩色視網(wǎng)膜圖像進(jìn)行硬性分泌物檢測(cè)?；玖鞒炭梢苑譃橐?下三步：首先對(duì)視網(wǎng)膜圖像的明度進(jìn)行調(diào)整，以減少外界光照的影響；然后利用硬性分泌 物的顏色特征進(jìn)行初步提?。蛔詈罄糜残苑置谖锏木植刻匦赃M(jìn)行確認(rèn)，降低錯(cuò)檢率。 8 視網(wǎng)膜圖像處理算法研究 2 3 1 視網(wǎng)膜圖像的明度調(diào)節(jié) 視網(wǎng)膜圖像的獲取過(guò)程中會(huì)受到諸多因素的影響，產(chǎn)生明度的失真，要有效的對(duì)視網(wǎng) 膜圖像中的硬性分泌進(jìn)行檢測(cè)，便要對(duì)其進(jìn)行一定的預(yù)處理。由于某些區(qū)域的硬性分泌物 會(huì)有點(diǎn)偏暗，與視盤的顏色比較接近，很難將它們區(qū)分開(kāi)，因此需要一種變換一方面能加 強(qiáng)暗調(diào)區(qū)，另一方面能保持亮調(diào)區(qū)的不變。本文通過(guò)非線性變換對(duì)視網(wǎng)膜圖像的亮度進(jìn)行 調(diào)節(jié)協(xié)1 ，即： y = p x 口( 2 9 ) 式中x 表示圖像原像素值，y 表示變換以后的值，0s 口1 ，= i n m a x l _ 口，i n m a x 表示 變換以后期望像素值的最大值，0si n m a x 2 5 5 ，亮度調(diào)節(jié)的曲線示意圖如圖2 3 所示， 可以通過(guò)改變參數(shù)口和i n m a x 調(diào)節(jié)視網(wǎng)膜圖像的亮度值。經(jīng)實(shí)驗(yàn)，本文對(duì)r 、g 、b 通道的 i n m a x 分別取1 9 5 、1 3 5 、9 5 ，口分別取0 2 、0 2 、0 2 5 ，進(jìn)行明度調(diào)節(jié)效果如圖2 4 所示。 y 圖2 3 目標(biāo)函數(shù)對(duì)亮度進(jìn)行調(diào)節(jié) f i 蛇一3e x p e c t e df u n c t i o nf o rb r i g h t n e s sa d j u s t m ( a ) 視網(wǎng)膜原圖( b ) 經(jīng)明度調(diào)節(jié)后的視網(wǎng)膜圖像 圖2 4 亮度調(diào)節(jié)效果圖 f i 9 2 - 4r e s u l to fb r i g h t n e s sa d j u s t m e n t 2 3 2 硬性分泌物的初步提取 在對(duì)硬性分泌物提取之前，需要尋找一個(gè)合適的特征空間將硬性分泌物和其它物質(zhì)能 很好的區(qū)分開(kāi)。本文通過(guò)將像素的r ，g ，b 值映射到球體坐標(biāo)系，用三，0 ，9 來(lái)表示， 其關(guān)系式3 如下： 三= ( 尺2 + g 2 + b 2 ) 經(jīng) 0 = a r c t a n ( g 尺)( 2 1 0 ) 緲= a r c c o s ( b 三) 式中三表示像素的亮度，護(hù)和緲表示顏色的差異，當(dāng)為一定值時(shí)，目和妒可以表示在該 亮度下的色度。以、0 ，緲為特征向量，文中分別采用了最小距離分類器及b p 神經(jīng)網(wǎng)絡(luò) 分類器分別對(duì)硬性分泌物進(jìn)行了初步提取。 ( a ) 最小距離分類器 最小距離分類器( m m d ) 是一種線性分類器。假定有m 類，給出m 個(gè)參考向量尺、 r 2 、r 。，蜀與模式類q 相聯(lián)系。對(duì)于尺，的最小距離分類就是把輸入的新模式x 分 為q 類，其分類準(zhǔn)則就是計(jì)算x 與參考向量尾、r ：、r 。之間的距離，與哪個(gè)最近 9 西安理工大學(xué)碩士學(xué)位論文 就屬于哪一類。x 和尺之間的距離可表示為： i x r ，l = 4 ( x r ，) 7 ( x r ，) ( 2 11 ) 其中( x r ，) r 是( x r ) 的轉(zhuǎn)置，由此可設(shè)定最小距離判別函數(shù)q ( x ) 為： d j ( x ) = ( x 一只，) 。( x r ，) ( 2 1 2 ) 由于課題是要將硬性分泌物從背景中提取出來(lái)，所以面臨的是一個(gè)二類問(wèn)題，即黃白 色硬性分泌物和其它背景的分類。本文以、秒、妒為特征向量，計(jì)算硬性分泌物和背景 的參考向量r 。，和r 。礎(chǔ)，根據(jù)式( 2 1 2 ) 來(lái)初步提取硬性分泌物。 ( b ) b p 神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)( a r t i f c i a ln e u r a ln e t w o r k s ，a n n ) ，簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)( n n ) ，是對(duì)人腦或自 然神經(jīng)網(wǎng)絡(luò)若干基本特性的抽象和模擬。它通過(guò)調(diào)整權(quán)重和閾值來(lái)“學(xué)習(xí)”或發(fā)現(xiàn)變量間 的關(guān)系，在信息處理、模式識(shí)別、智能控制等領(lǐng)域有著廣泛的應(yīng)用前景。誤差反向傳播神 經(jīng)網(wǎng)絡(luò)b p ( e r r o rb a c kp r o p a g a t i o nn e u r a ln e t w o r k ) ，它是一種z h 匕f - , 向著滿足給定的輸入輸出 關(guān)系方向進(jìn)行自組積的神經(jīng)網(wǎng)絡(luò)。在進(jìn)行b p 網(wǎng)絡(luò)的設(shè)計(jì)時(shí)一般從網(wǎng)絡(luò)的層數(shù)、每層中的 神經(jīng)個(gè)數(shù)和激活函數(shù)、初始值以及學(xué)習(xí)速率等幾個(gè)方面來(lái)進(jìn)行考慮。本文用歸一化后的三、 秒、c , o 的值作為特征向量，根據(jù)實(shí)驗(yàn)以及提取過(guò)程中的具體情況，設(shè)定輸入層神經(jīng)元個(gè)數(shù) 為3 、隱藏層神經(jīng)元個(gè)數(shù)為l o 、輸出層神經(jīng)元個(gè)數(shù)為1 、激活函數(shù)為雙曲正切函數(shù)、學(xué)習(xí) 速率為o 3 ，實(shí)現(xiàn)對(duì)硬性分泌物進(jìn)行初步提取。 2 3 2 硬性分泌物的確認(rèn) 在對(duì)視網(wǎng)膜圖像的明度進(jìn)行調(diào)節(jié)時(shí)，雖然可提高暗調(diào)區(qū)域的亮度，但有可能使暗調(diào)區(qū) 中不是硬性分泌物的區(qū)域得到增強(qiáng)。那么，在進(jìn)行硬性分泌物的初步檢測(cè)時(shí)就可能會(huì)對(duì)這 些區(qū)域產(chǎn)生誤檢。經(jīng)過(guò)觀察，這些誤檢的區(qū)域有一個(gè)明顯的特征，通常它們亮度和顏色的 變化比較緩慢，并且沒(méi)有清晰的邊緣，而硬性分泌物在一小范圍內(nèi)會(huì)有明顯的顏色變化， 且邊緣清晰。基于這種特征，可以通過(guò)在一個(gè)較小鄰域內(nèi)分析顏色的變化情況，來(lái)對(duì)初步 提取中得到的硬性分泌物進(jìn)行確認(rèn)。具體算法如下： 對(duì)屬于初步檢測(cè)到的硬性分泌物當(dāng)前點(diǎn)x ，定義矽”o ) 是以x 為中心的m m 大小的 窗口，并規(guī)定g 一。和g 。訪。分別表示窗口內(nèi)的最大值和最小值，七一、k 。灑分別表示g 。、 g 曲。的權(quán)值，d 。m 訪表示最大值和最小值的差，那么在”( x ) 窗口中的加權(quán)最大、最小 值g ：、g m 面2 可以表示為： g 。戤2 = g m 戤l 一= 警七一 ( 2 1 3 ) n g m i n 22 g m i n i 一壘尹k m i n( 2 “) 則渺”( x ) 窗口中的平均最大最小值分別為： 一 1鏹t 2 可g 窖 ( 2 1 5 ) 6 i “ s l 堅(jiān)i 一么j 6 ， f 譬= g 2 l 厶 厶“g l o 視網(wǎng)膜圖像處理算法研究 1 孫；n 2 一 ir g m i n = i 泓 ( 2 1 6 ) y x , 寄噌 定義：d = 季m 瓠一蠶m i 。 ( 2 1 7 ) 設(shè)定閾值珥，當(dāng)d d r ，并且當(dāng)前點(diǎn)x 的像素值在【g m 觚2 ，g 一，】范圍內(nèi)時(shí)，確認(rèn)該 點(diǎn)是硬性分泌物，否則不是。具體檢測(cè)中選取了1 5 1 5 大小的窗口，k 。，= 0 7 5 ，k 。；。= 0 5 ， 對(duì)r 、g 、b 的珥分別取1 5 、3 0 、1 5 。檢測(cè)效果如圖2 5 所示，其中黑色表示背景，灰 色與白色并集表示初步檢測(cè)結(jié)果，白色表示經(jīng)過(guò)確認(rèn)以后的檢測(cè)結(jié)果。由效果圖可以看出， 本文的方法可以較好的提取出硬性分泌物，但是也存