CN104851103A - 基于sd-oct视网膜图像的脉络膜血管抽取方法 - Google Patents
基于sd-oct视网膜图像的脉络膜血管抽取方法 Download PDFInfo
- Publication number
- CN104851103A CN104851103A CN201510289669.1A CN201510289669A CN104851103A CN 104851103 A CN104851103 A CN 104851103A CN 201510289669 A CN201510289669 A CN 201510289669A CN 104851103 A CN104851103 A CN 104851103A
- Authority
- CN
- China
- Prior art keywords
- bruch
- retinal images
- gray
- pixel
- scale value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于SD-OCT视网膜图像的脉络膜血管抽取方法,属于图像处理技术领域。该方法首先对输入的SD-OCT图像进行布鲁赫膜分割,然后采用双边滤波进行平滑,对平滑后的BM下方区域图像中的每一列寻找至上而下灰度值单调递减的像素点,用基于三角形的立方插值拟合此单调递减像素点得到BM下方区域的拟合表面,二值化拟合表面和原图的差值图像,最后去除二值化结果中的小面积连通区域得到脉络膜层的血管区域。实验结果表明,本发明能够较好地抽取脉络膜层的大血管,对方便后续的视网膜疾病分析和提高医生的工作效率具有重要意义。
Description
技术领域
本发明涉及一种目标区域抽取方法,特别涉及一种基于频域光学相干断层(SD-OCT)视网膜图像的脉络膜血管抽取方法。
背景技术
SD-OCT视网膜图像是一种频域光学相干断层成像图像,它可以有效地呈现视网膜组织层的灰度和结构等变化,临床实验表明SD-OCT图像也能够用于成像脉络膜层血管。脉络膜层由大量的血管构成,为视网膜层提供营养,与视网膜疾病关系密切。由于脉络膜血管在SD-OCT图像上表现得不明显,因此传统的目标抽取方法很难有效地给出脉络膜血管区域,目前国际上只有一篇文献介绍了一种基于SD-OCT图像的脉络膜血管抽取方法:采用多尺度Hessian矩阵分析方法得到脉络膜层每个小立方体的结构张量,然后通过结构张量的特征值大小抽取脉络膜血管。该方法实现难度大,复杂度高。
因此,现有的脉络膜血管抽取方法的实用性不高,很难满足临床眼科疾病诊断的需求。
发明内容
本发明的目的在于提供一种基于SD-OCT视网膜图像的脉络膜血管抽取方法。
为达到上述目的,本发明采用了以下技术方案:
步骤1、采集SD-OCT视网膜图像;
步骤2、对SD-OCT视网膜图像进行布鲁赫膜边界分割;
步骤3、对布鲁赫膜边界下方0.4~0.6毫米厚的窄带区域进行平滑处理;
步骤4、在平滑处理后的布鲁赫膜边界下方0.4~0.6毫米厚的窄带区域内,定位每列中至上而下灰度值单调递减的像素点;
步骤5、利用步骤4得到的灰度值单调递减的像素点拟合得到布鲁赫膜边界下方拟合表面;
步骤6、生成布鲁赫膜边界下方拟合表面与平滑处理后的布鲁赫膜边界下方0.4~0.6毫米厚的窄带区域的差值图像;
步骤7、二值化所述差值图像,然后去除像素点个数小于等于150的连通区域得到脉络膜层的血管区域。
所述步骤3中,采用双边滤波对布鲁赫膜边界下方0.4~0.6毫米厚的窄带区域进行平滑处理。
所述双边滤波采用窗口大小为7×19的各向异性高斯邻域窗口。
所述步骤4具体包括以下步骤:如果当前像素点的灰度值大于该像素点所在列后续所有像素点的灰度值,则所述当前像素点即为所在列至上而下灰度值单调递减的像素点之一。
所述步骤5具体包括以下步骤:采用基于三角形的立方插值拟合所述灰度值单调递减的像素点得到布鲁赫膜边界下方拟合表面。
所述步骤7中,采用全局阈值大津法二值化所述差值图像。
本发明与现有技术相比,其显著优点为:本发明考虑了脉络膜层的反射率分布特性,采用了简单快速的差值图像二值化提取技术,提高了脉络膜血管抽取的效率,对方便后续的视网膜疾病分析和提高医生的工作效率具有重要意义。
附图说明
图1是本发明基于SD-OCT视网膜图像的脉络膜血管抽取方法的流程图。
图2是原始SD-OCT视网膜图像局部示意图。
图3是平滑后的BM边界下方窄带区域示意图。
图4是灰度值递减像素点示意图。
图5是由灰度值递减像素点得到的拟合表面示意图。
图6是拟合表面和平滑后的BM下方窄带区域图像的差值图像。
图7是二值化的差值图像。
图8是去除面积过小区域后的二值图像。
图9是本发明得到的脉络膜血管区域。
具体实施方式
下面结合附图和实施例对本发明作详细说明。
结合图1,本发明所述基于SD-OCT视网膜图像的脉络膜血管抽取方法,以SD-OCT视网膜图像作为输入,采用图像处理手段抽取得到脉络膜血管区域,包括以下步骤:
步骤1、采集SD-OCT视网膜图像,采用现有的OCT成像设备对视网膜图像进行采集;
步骤2、手动分割BM边界;图2给出了一帧SD-OCT视网膜图像(图1,通过OCT成像设备采集到的三维SD-OCT视网膜图像大小为1024×512×128,对应视网膜2mm×6mm×6mm的区域)的感兴趣区域,图中白线为BM(布鲁赫膜)边界,即脉络膜的上边界,BM下方为脉络膜和巩膜区域;
步骤3、采用双边滤波对BM边界下方的0.5毫米厚的窄带区域进行平滑处理,传统的双边滤波为:
式中f和h分别为输入和输出图像,函数c(ξ,x)测量邻域中心点x和邻域点ξ之间的空间距离,函数s测量两点间的灰度相似性,函数c和s都是高斯函数,是归一化函数。由于SD-OCT视网膜图像具有大量的水平方向层状结构信息,所以本发明中将传统的各向同性高斯邻域窗口改为了各向异性的高斯邻域窗口(7×19),以取得更好的去噪效果;平滑后的BM边界下方0.5毫米厚(约250个像素)的窄带区域如图3所示;
步骤4、在平滑后的BM边界下方窄带区域内,定位每列中至上而下灰度值递减的像素点,即该像素点的灰度值大于该点后续所有像素点的灰度值;图4中白色圆圈为灰度值递减像素点位置;
步骤5、采用基于三角形的立方插值(Matlab函数griddata(...,method),其中method为cubic)拟合步骤4得到的灰度值递减像素点得到BM边界下方区域拟合表面(如图5所示);
步骤6、生成步骤5得到的拟合表面(图5)与步骤3得到的平滑后的BM边界下方窄带区域(图3)的差值图像(如图6所示),图6中的白色区域即为灰度差异较大的位置,脉络膜血管在差值图像上表现出较高的差异值;
步骤7、采用全局阈值大津法(Otsu)二值化步骤6得到的差值图像,得到结果如图7,最后根据连通区域面积去除由噪声引起的小面积(像素点个数小于等于150)连通区域,得到最终的脉络膜血管区域,如图8所示。将Canny边缘检测算子作用于图8得到脉络膜血管区域的边缘图像,如图9所示。由图9可知:本发明能够有效地抽取出脉络膜层的较大血管,本发明在实现难度和复杂度上都要优于现有的基于结构张量的方法。
Claims (6)
1.一种基于SD-OCT视网膜图像的脉络膜血管抽取方法,其特征在于:包括以下步骤:
步骤1、采集SD-OCT视网膜图像;
步骤2、对SD-OCT视网膜图像进行布鲁赫膜边界分割;
步骤3、对布鲁赫膜边界下方0.4~0.6毫米厚的窄带区域进行平滑处理;
步骤4、在平滑处理后的布鲁赫膜边界下方0.4~0.6毫米厚的窄带区域内,定位每列中至上而下灰度值单调递减的像素点;
步骤5、利用步骤4得到的灰度值单调递减的像素点拟合得到布鲁赫膜边界下方拟合表面;
步骤6、生成布鲁赫膜边界下方拟合表面与平滑处理后的布鲁赫膜边界下方0.4~0.6毫米厚的窄带区域的差值图像;
步骤7、二值化所述差值图像,然后去除像素点个数小于等于150的连通区域得到脉络膜层的血管区域。
2.根据权利要求1所述一种基于SD-OCT视网膜图像的脉络膜血管抽取方法,其特征在于:所述步骤3中,采用双边滤波对布鲁赫膜边界下方0.4~0.6毫米厚的窄带区域进行平滑处理。
3.根据权利要求2所述一种基于SD-OCT视网膜图像的脉络膜血管抽取方法,其特征在于:所述双边滤波采用窗口大小为7×19的各向异性高斯邻域窗口。
4.根据权利要求1所述一种基于SD-OCT视网膜图像的脉络膜血管抽取方法,其特征在于:所述步骤4具体包括以下步骤:如果当前像素点的灰度值大于该像素点所在列后续所有像素点的灰度值,则所述当前像素点即为所在列至上而下灰度值单调递减的像素点之一。
5.根据权利要求1所述一种基于SD-OCT视网膜图像的脉络膜血管抽取方法,其特征在于:所述步骤5具体包括以下步骤:采用基于三角形的立方插值拟合所述灰度值单调递减的像素点得到布鲁赫膜边界下方拟合表面。
6.根据权利要求1所述一种基于SD-OCT视网膜图像的脉络膜血管抽取方法,其特征在于:所述步骤7中,采用全局阈值大津法二值化所述差值图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510289669.1A CN104851103B (zh) | 2015-05-29 | 2015-05-29 | 基于sd‑oct视网膜图像的脉络膜血管抽取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510289669.1A CN104851103B (zh) | 2015-05-29 | 2015-05-29 | 基于sd‑oct视网膜图像的脉络膜血管抽取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104851103A true CN104851103A (zh) | 2015-08-19 |
CN104851103B CN104851103B (zh) | 2018-01-19 |
Family
ID=53850730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510289669.1A Expired - Fee Related CN104851103B (zh) | 2015-05-29 | 2015-05-29 | 基于sd‑oct视网膜图像的脉络膜血管抽取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104851103B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600614A (zh) * | 2016-12-19 | 2017-04-26 | 南京理工大学 | 基于凹凸性的sd‑oct视网膜图像cnv分割方法 |
CN107133959A (zh) * | 2017-06-12 | 2017-09-05 | 上海交通大学 | 一种快速的血管边界三维分割方法及系统 |
CN112731266A (zh) * | 2021-01-15 | 2021-04-30 | 北京市计量检测科学研究院(北京市能源计量监测中心) | 一种电能表现场校验非标条件下修正方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006119349A2 (en) * | 2005-04-29 | 2006-11-09 | Novadaq Technologies, Inc. | Choroid and retinal imaging and treatment system |
CN102054163A (zh) * | 2009-10-27 | 2011-05-11 | 南京理工大学 | 基于单目视觉的驾驶员疲劳检测方法 |
US20120062841A1 (en) * | 2008-04-24 | 2012-03-15 | Carl Zeiss Meditec, Inc. | Method for finding the lateral position of the fovea in an sdoct image volume |
CN103514605A (zh) * | 2013-10-11 | 2014-01-15 | 南京理工大学 | 基于hd-oct视网膜图像的脉络膜层自动分割方法 |
CN104050672A (zh) * | 2014-06-26 | 2014-09-17 | 南京理工大学 | 基于sd-oct视网膜图像的地图状萎缩投影图像生成方法 |
CN104574374A (zh) * | 2014-12-23 | 2015-04-29 | 苏州大学 | 视网膜浆液性色素上皮层脱离的自动分割方法 |
-
2015
- 2015-05-29 CN CN201510289669.1A patent/CN104851103B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006119349A2 (en) * | 2005-04-29 | 2006-11-09 | Novadaq Technologies, Inc. | Choroid and retinal imaging and treatment system |
US20120062841A1 (en) * | 2008-04-24 | 2012-03-15 | Carl Zeiss Meditec, Inc. | Method for finding the lateral position of the fovea in an sdoct image volume |
CN102054163A (zh) * | 2009-10-27 | 2011-05-11 | 南京理工大学 | 基于单目视觉的驾驶员疲劳检测方法 |
CN103514605A (zh) * | 2013-10-11 | 2014-01-15 | 南京理工大学 | 基于hd-oct视网膜图像的脉络膜层自动分割方法 |
CN104050672A (zh) * | 2014-06-26 | 2014-09-17 | 南京理工大学 | 基于sd-oct视网膜图像的地图状萎缩投影图像生成方法 |
CN104574374A (zh) * | 2014-12-23 | 2015-04-29 | 苏州大学 | 视网膜浆液性色素上皮层脱离的自动分割方法 |
Non-Patent Citations (2)
Title |
---|
QIANG CHEN ET AL: "Computerized geographic atrophy segmentation for SD-OCT images", 《BIOMEDICAL OPTICS EXPRESS》 * |
陆圣陶 等: "基于图搜索和梯度弱化的SDOCT图像ILM层分割", 《现代电子技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600614A (zh) * | 2016-12-19 | 2017-04-26 | 南京理工大学 | 基于凹凸性的sd‑oct视网膜图像cnv分割方法 |
CN106600614B (zh) * | 2016-12-19 | 2019-10-18 | 南京理工大学 | 基于凹凸性的sd-oct视网膜图像cnv分割方法 |
CN107133959A (zh) * | 2017-06-12 | 2017-09-05 | 上海交通大学 | 一种快速的血管边界三维分割方法及系统 |
CN107133959B (zh) * | 2017-06-12 | 2020-04-28 | 上海交通大学 | 一种快速的血管边界三维分割方法及系统 |
CN112731266A (zh) * | 2021-01-15 | 2021-04-30 | 北京市计量检测科学研究院(北京市能源计量监测中心) | 一种电能表现场校验非标条件下修正方法 |
CN112731266B (zh) * | 2021-01-15 | 2022-01-04 | 北京市计量检测科学研究院(北京市能源计量监测中心) | 一种电能表现场校验非标条件下修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104851103B (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sahu et al. | An approach for de-noising and contrast enhancement of retinal fundus image using CLAHE | |
Farnell et al. | Enhancement of blood vessels in digital fundus photographs via the application of multiscale line operators | |
Hajeb Mohammad Alipour et al. | Diabetic retinopathy grading by digital curvelet transform | |
Mardani et al. | Enhancing retinal blood vessel segmentation in medical images using combined segmentation modes extracted by DBSCAN and morphological reconstruction | |
CN104299242B (zh) | 基于ngc‑acm的荧光造影眼底图像提取方法 | |
Kumari et al. | Feature extraction for early detection of diabetic retinopathy | |
Kumari et al. | Blood vessel extraction using wiener filter and morphological operation | |
CN104851103A (zh) | 基于sd-oct视网膜图像的脉络膜血管抽取方法 | |
Soomro et al. | Retinal blood vessel extraction method based on basic filtering schemes | |
CN111223090A (zh) | 人体肺部ct图像中肿瘤图像的识别系统 | |
Hashim et al. | Optic disc boundary detection from digital fundus images | |
Afonso et al. | Hair detection in dermoscopic images using percolation | |
Zhou et al. | A novel approach for red lesions detection using superpixel multi-feature classification in color fundus images | |
CN110930346B (zh) | 一种眼底图像微血管瘤自动检测方法及存储设备 | |
Sevani et al. | Implementation of image processing techniques for identifying different stages of lung cancer | |
Kurale et al. | Retinal hemorrhage detection using splat segmentation of retinal fundus images | |
Abdullah et al. | Application of grow cut algorithm for localization and extraction of optic disc in retinal images | |
Bharkad | Automatic segmentation of optic disk in retinal images using dwt | |
Borges et al. | Segmentation of blood vessels in retinal images based on nonlinear filtering | |
Lochan et al. | Innovative feature set for retinopathic analysis of diabetes and its detection | |
Sathya et al. | Contourlet transform and morphological reconstruction based retinal blood vessel segmentation | |
Puranik et al. | Morphology based approach for microaneurysm detection from retinal image | |
Lee et al. | Enhancement of blood vessels in retinal imaging using the nonsubsampled contourlet transform | |
Mohamed et al. | Non-proliferative diabetic retinopathy detection using mathematical morphology | |
Shang et al. | DCNet: A Lightweight Retinal Vessel Segmentation Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180119 Termination date: 20180529 |
|
CF01 | Termination of patent right due to non-payment of annual fee |