眼底圖像處理與分析中的關(guān)鍵技術(shù)研究.pdf

1、醫(yī)學(xué)影像學(xué)及相關(guān)技術(shù)已廣泛用于醫(yī)學(xué)領(lǐng)域，并發(fā)展為醫(yī)學(xué)臨床診療中的客觀依據(jù)，醫(yī)學(xué)影像的處理與分析技術(shù)作為輔助診療的關(guān)鍵，具有重要的臨床和研究?jī)r(jià)值。眼底圖像是眼科中通過(guò)眼底照相機(jī)獲取的一種標(biāo)準(zhǔn)的客觀診斷影像，其中，眼底是位于內(nèi)眼后部組織結(jié)構(gòu)（視網(wǎng)膜、脈絡(luò)膜、視神經(jīng)和黃斑等）的統(tǒng)稱。眼底疾?。ㄌ悄虿∫暰W(wǎng)膜病變、老年性黃斑變性和青光眼等）可導(dǎo)致視力下降，是致盲的首要原因，為此，眼底圖像的處理與分析對(duì)糖尿病、高血壓等眼底病變以及黃斑病變、眼底動(dòng)脈

2、硬化和視網(wǎng)膜病變等各種眼底疾病的早期發(fā)現(xiàn)、診斷、治療以及輔助診療有著重要的意義。
　　論文按照眼底圖像獲取、眼底圖像預(yù)處理、眼底圖像配準(zhǔn)融合拼接、眼底重要目標(biāo)分割與測(cè)量、眼底圖像處理與分析系統(tǒng)實(shí)現(xiàn)這條主線展開(kāi)研究。主要研究?jī)?nèi)容和創(chuàng)新成果如下:
　　(1)針對(duì)眼底照相機(jī)對(duì)人眼眼底的成像原理，由GullstrandⅠ號(hào)模型眼參數(shù)建立了人眼光學(xué)模型，由眼底照相機(jī)成像光路設(shè)計(jì)建立了眼底照相機(jī)光學(xué)模型，分析了人眼和眼底照相機(jī)成像光路中

3、存在的像差和畸變，提出了基于眼底照相機(jī)標(biāo)定的眼底圖像幾何畸變校正算法及基于RGB與HSI彩色圖像空間變換和頻域同態(tài)濾波的彩色眼底圖像輻射量畸變校正算法，可有效校正眼底圖像中最大為20像素左右的幾何畸變，有效校正彩色眼底圖像的輻射量畸變，保留彩色眼底圖像的細(xì)節(jié)信息，提高后續(xù)參數(shù)測(cè)量的精度;針對(duì)人眼光學(xué)模型、眼底照相機(jī)成像光路的像差和畸變特點(diǎn)，引入了一種基于盲解卷積和Lucy Richardson的彩色眼底圖像復(fù)原方法，可有效改善彩色及灰度

4、眼底圖像的清晰度，分別提高16.4％和15.8％，保證了后續(xù)處理與分析的精度;并針對(duì)不同的圖像處理與分析工作進(jìn)行針對(duì)性的眼底圖像預(yù)處理。
　　(2)針對(duì)眼底照相機(jī)成像的視場(chǎng)局限以及眼底圖像對(duì)比度低、光照不均勻、不同視場(chǎng)間存在幾何畸變等缺點(diǎn)，應(yīng)用了一種基于SSDA的眼底圖像半自動(dòng)配準(zhǔn)方法，可交互式半自動(dòng)配準(zhǔn)低對(duì)比度的眼底圖像;提出了一種基于改進(jìn)Harris角點(diǎn)檢測(cè)的眼底圖像自動(dòng)配準(zhǔn)算法，可配準(zhǔn)對(duì)比度較好的眼底圖像，平均配準(zhǔn)誤差約為2

5、.5像素;提出了一種基于SIFT特征的眼底圖像自動(dòng)配準(zhǔn)算法，改進(jìn)了SIFT算法中的特征檢測(cè)及匹配參數(shù)，改進(jìn)了特征點(diǎn)匹配后的點(diǎn)對(duì)提純算法，優(yōu)化了圖像配準(zhǔn)模型，實(shí)現(xiàn)了多幅不同視場(chǎng)正?；虿∽冄鄣讏D像的自動(dòng)快速、高精度魯棒配準(zhǔn)，平均配準(zhǔn)誤差不超過(guò)2.1像素，但耗時(shí)較多，適用于硬件加速;提出了一種基于SURF特征的眼底圖像自動(dòng)配準(zhǔn)算法，改進(jìn)了SURF算法中的參數(shù)及相關(guān)閾值，改進(jìn)了特征點(diǎn)匹配后的點(diǎn)對(duì)提純算法，優(yōu)化了配準(zhǔn)模型，實(shí)現(xiàn)了基于SURF-12

6、8的多幅不同視場(chǎng)正常或病變眼底圖像的自動(dòng)快速、高精度魯棒配準(zhǔn)，平均配準(zhǔn)誤差不超過(guò)2.2像素，適用于常規(guī)計(jì)算機(jī)。
　　(3)分析了不同視場(chǎng)眼底圖像間的空間關(guān)系及配準(zhǔn)策略，推導(dǎo)了二次多項(xiàng)式變換更適合于眼底視網(wǎng)膜近似二次曲面的全景圖像配準(zhǔn)，應(yīng)用了基于像素（線性、非線性）、基于拉普拉斯等金字塔、基于小波的RGB空間和Lab空間的彩色眼底圖像融合方法以保證眼底全景圖像融合質(zhì)量，驗(yàn)證了眼底圖像主客觀評(píng)價(jià)的有效性，改進(jìn)了眼底圖像的清晰度評(píng)價(jià)函數(shù)

7、，結(jié)合質(zhì)量評(píng)價(jià)指標(biāo)對(duì)比分析了各種彩色眼底圖像融合方法，確定了各種圖像融合方法的參數(shù);提出了一種基于先驗(yàn)知識(shí)的眼底全景圖像自動(dòng)拼接算法，實(shí)現(xiàn)了基于各眼底視場(chǎng)中視盤(pán)、血管等先驗(yàn)知識(shí)以及加入中間拼接圖像步驟的快速、高精度（像素級(jí)）的眼底全景圖像自動(dòng)配準(zhǔn)與拼接。
　　(4)針對(duì)眼底圖像中重要目標(biāo)（血管、視盤(pán)和視杯等）的特點(diǎn)，提出了一種基于高斯核函數(shù)與Hessian矩陣的眼底血管多尺度分割算法和基于大尺度血管的視盤(pán)自動(dòng)定位與Hough變換的

8、圓擬合視盤(pán)分割相結(jié)合的參數(shù)測(cè)量算法，可快速、有效檢測(cè)得到眼底圖像中亞像素精度的血管中心線坐標(biāo)、中心線方向、邊界點(diǎn)坐標(biāo)、寬度和長(zhǎng)度等信息，并可進(jìn)行快速高精度的視盤(pán)分割和參數(shù)測(cè)量;提出了一種基于活動(dòng)輪廓的視盤(pán)視杯分割方法以有效進(jìn)行視盤(pán)視杯分割和參數(shù)測(cè)量，結(jié)合眼底圖像畸變校正，可提高分割與測(cè)量的精度。
　　(5)針對(duì)眼底圖像處理與分析系統(tǒng)的需求，深入研究了基于CUDA（硬、軟件系統(tǒng)）的眼底圖像快速自動(dòng)配準(zhǔn)與拼接中的關(guān)鍵技術(shù)，提出了一種基

9、于CUDA的眼底圖像快速自動(dòng)配準(zhǔn)與拼接算法，用CUDA加速了眼底圖像的同態(tài)濾波增強(qiáng)、改進(jìn)算法參數(shù)的SIFT(或SURF)特征點(diǎn)檢測(cè)、匹配和匹配提純算法、最優(yōu)模型變換矩陣計(jì)算、配準(zhǔn)與拼接，實(shí)現(xiàn)了多幅眼底圖像的快速、高精度自動(dòng)配準(zhǔn)與拼接，算法運(yùn)行速度與僅用CPU運(yùn)行相比提升了10～30倍，保證精度的前提下算法效率得到極大提高;建立了一套可達(dá)到臨床應(yīng)用要求的眼底圖像處理與分析系統(tǒng)，實(shí)現(xiàn)了眼底圖像獲取、配準(zhǔn)與融合拼接以及視盤(pán)和血管等重要目標(biāo)定位