基于对称性的视网膜血管滤波增强方法

    公开(公告)号:CN104077754B

    公开(公告)日:2017-03-01

    申请号:CN201410315974.9

    申请日:2014-07-03

    Abstract: 本发明公开了一种基于对称性的视网膜血管滤波增强方法,包括步骤:对原始视网膜图像进行灰度化处理,再进行二维多尺度高斯滤波;利用滤波后的信息计算梯度合成向量;计算图像每一点在不同尺度下的梯度方向参数、每一点的梯度幅值参数、每一点的灰度参数;计算得到基于对称性的多尺度视网膜血管滤波增强函数,使用该血管函数对视网膜图像进行滤波,达到视网膜血管滤波增强的效果。本发明能对视网膜血管结构进行增强,同时可以有效抑制视盘等非血管结构,对视网膜图像血管分割、视网膜图像分析以及视网膜图像的配准中有重要的辅助处理和实际应用价值。

    基于对称性的视网膜血管滤波增强方法

    公开(公告)号:CN104077754A

    公开(公告)日:2014-10-01

    申请号:CN201410315974.9

    申请日:2014-07-03

    Abstract: 本发明公开了一种基于对称性的视网膜血管滤波增强方法,包括步骤:对原始视网膜图像进行灰度化处理,再进行二维多尺度高斯滤波;利用滤波后的信息计算梯度合成向量;计算图像每一点在不同尺度下的梯度方向参数、每一点的梯度幅值参数、每一点的灰度参数;计算得到基于对称性的多尺度视网膜血管滤波增强函数,使用该血管函数对视网膜图像进行滤波,达到视网膜血管滤波增强的效果。本发明能对视网膜血管结构进行增强,同时可以有效抑制视盘等非血管结构,对视网膜图像血管分割、视网膜图像分析以及视网膜图像的配准中有重要的辅助处理和实际应用价值。

    基于各向异性和各向同性的视网膜图像特征点增强方法

    公开(公告)号:CN103020910A

    公开(公告)日:2013-04-03

    申请号:CN201210520144.0

    申请日:2012-12-06

    Inventor: 田捷 李国栋

    Abstract: 一种基于各向异性和各向同性的视网膜图像特征点增强方法,包括:用高斯滤波器对视网膜灰度图像I(x,y)进行计算滤波,得到高斯滤波图像VG(x,y),x,y表示坐标;用基于海森矩阵的多尺度滤波器对高斯滤波图像VG(x,y)再次进行滤波,得到多尺度滤波图像VH(x,y,s),s为对应尺度;计算多尺度图像VH(x,y,s)每一点的两个特征值λ1(x,y)和λ2(x,y)对应的两个特征向量v1(x,y)和v2(x,y);利用各向异性和各向同性计算多尺度滤波图像VH(x,y,s)的相对各向异性测度RA以及各向同性测度AR;利用相对各向异性测度RA以及各向同性测度AR,得到特征点增强血管函数Vs(x,y),使用该血管函数对视网膜图像进行滤波,得到特征点增强图像。本发明对视网膜图像的交叉点和分叉点有明显的增强效果,增强和提取的准确率也很高。

    基于各向异性和各向同性的视网膜图像特征点增强方法

    公开(公告)号:CN103020910B

    公开(公告)日:2015-10-28

    申请号:CN201210520144.0

    申请日:2012-12-06

    Inventor: 田捷 李国栋

    Abstract: 一种基于各向异性和各向同性的视网膜图像特征点增强方法,包括:用高斯滤波器对视网膜灰度图像I(x,y)进行计算滤波,得到高斯滤波图像VG(x,y),x,y表示坐标;用基于海森矩阵的多尺度滤波器对高斯滤波图像VG(x,y)再次进行滤波,得到多尺度滤波图像VH(x,y,s),s为对应尺度;计算多尺度图像VH(x,y,s)每一点的两个特征值λ1(x,y)和λ2(x,y)对应的两个特征向量v1(x,y)和v2(x,y);利用各向异性和各向同性计算多尺度滤波图像VH(x,y,s)的相对各向异性测度RA以及各向同性测度AR;利用相对各向异性测度RA以及各向同性测度AR,得到特征点增强血管函数Vs(x,y),使用该血管函数对视网膜图像进行滤波,得到特征点增强图像。本发明对视网膜图像的交叉点和分叉点有明显的增强效果,增强和提取的准确率也很高。

Patent Agency Ranking