基于Hessian算子的多尺度视网膜血管增强滤波方法.docx

基于Hessian算子的多尺度视网膜血管增强滤波方法丘赟立蒋先刚熊娟(华东交通大学基础科学学院江西南昌330013)摘 要提出一种基于Hessian矩阵的多尺度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血管特征的响应函数及形态学和非线性各向异性扩散处理的各个环节，选择合理的尺度空间范围及尺度空间增量和调节因子进而达到平滑非线状区域和锐化增强血管区域的效果。与其他血管增强方法相比，该方法在同等准确率下具有较高的稳定鲁棒性。关键词视网膜血管海森矩阵多尺度滤波非线性扩散数学形态学DOI:10．3969/j．issn．1000-386x．2014．09．050中图分类号TP391．41文献标识码AAMULTI-SCALEＲETINALVESSELSENHANCEMENTFILTEＲINGMETHODBASEDONHESSIANOPEＲATOＲQiuYunliJiangXian’gangXiongJuan(SchoolofBasicScience，EastChinaJiaotongUniversity，Nanchang330013，Jiangxi，China)AbstractWe propose a Hessian matrix-based multi-scale integrated enhancement filtering method for retinal vessels． It applies theeigenvalueandeigenvectorofHessianmatrixtoresponsefunctionofvesselfeatureandmorphologyaswellasalltoaspectsofnonlinearanisotropicdiffusionprocessing，selectsreasonablescalespacerangeandscalespaceincrementandadjustmentfactorsoastoachievetheeffectsofsmoothingthenon-linearregionandsharpeningandenhancingthevesselregion．Comparedwithothervesselenhancementmethods，thisonehashigherstablerobustnesswithsameaccuracy．KeywordsＲetinavessels Hessianmatrix Multi-scalefilteringNonlineardiffusionMathematicalmorphologysian矩阵的多尺度增强滤波的视网膜血管集成增强方法，将Hessian矩阵的特征值和特征向量应用于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算法可达到相当高的准确率并具备较高的鲁棒性，满足血管医学图像分析的临床需要。0引言人体血管图像可以提供人体相关组织大量的信息，有助于医生更好地对疾病实施更可靠的临床诊断。视网膜血管是人体唯一可非创伤性直接观察的微血管，其形态、分布和病变是就医者的高血压、糖尿病、动脉硬化、心血管疾病等的内在表征，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，而且通常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增强技术。视网膜血管增强的目的是强调眼底图像中的血管结构形态而同时抑制非重要的图像背景和噪声。CatteF等用非线性扩散的图像滤波方法在边缘和平坦区域采用不同的标量系数保证边缘不被模糊的前提下使图像得到平滑，Orkisz 提出沿血管方向进行中值滤波等形态学的方法而使血管区域得到一定程度的增强。但这些方法没有考虑到血管图像的局部对比非常弱且非常模糊，基于单一像素邻域的梯度计算的不准确性和形态学操作中的结构元素的有向控制问题，即这些方法只进行了单一尺度的操作，而没考虑多尺度情况下的算法的适应性［1，2］，Frangi 等人提出了用基于Hessian矩阵的多尺度相似性测度的方法分析血管得到比较好的加强效果。在研究眼底图像特征的基础上，本文提出了一种基于Hes-视网膜血管增强滤波的集成方法11．1基于Hessian矩阵的多尺度线状增强滤波器的构造Hessian方法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。对于具备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、沿线方向的绝对值很小的二阶导数来表示，这恰好是二维Hessian矩阵的两个特征值所代表的几何