基于曲波变换的视网膜血管图像增强算法

doi:10.12068/j.issn.1005-3026.2016.07.003

东北大学学报:自然科学版 ›› 2016, Vol. 37 ›› Issue (7): 922-926.DOI: 10.12068/j.issn.1005-3026.2016.07.003

基于曲波变换的视网膜血管图像增强算法

张石，佘黎煌，葛欣

(东北大学信息科学与工程学院，辽宁沈阳110819)

收稿日期:2015-04-27 修回日期:2015-04-27 出版日期:2016-07-15 发布日期:2016-07-13
通讯作者: 张石
作者简介:张石(1963-)，男，辽宁抚顺人，东北大学教授，博士生导师.
基金资助:
中央高校基本科研业务费专项资金资助项目 (N150403002)；辽宁省自然科学基金资助项目 (20102057).

Enhancement Algorithms of Retinal Blood Vessels Based on Curvelet Conversion

ZHANG Shi， SHE Li-huang， GE Xin

School of Information Science & Engineering， Northeastern University， Shenyang 110819， China.

Received:2015-04-27 Revised:2015-04-27 Online:2016-07-15 Published:2016-07-13
Contact: SHE Li-huang
About author:-
Supported by:
-

摘要/Abstract

摘要： 视网膜血管图像存在像素对比度低等特点，干扰正常的视网膜图像分割.针对视网膜血管的图像特性，提出了一种改进的基于曲波变换的视网膜血管图像增强算法.首先选取视网膜图像的绿色通道分量进行预处理，然后通过对变换系数的自适应增强完成图像的增强处理，并结合改进的形态学变换，实现图像细节的增强和背景噪声的抑制，使得图像对比度得到增强，细节信息更加明显.通过与其他增强算法的比较表明，该算法在增强对比度、降低噪声干扰等方面优于其他算法.

关键词: 视网膜血管, 图像增强, 改进的曲波变换, 形态学变换, 预处理

Abstract: In retinal vascular images， characteristic of image， such as low contrast， will interfere with the normal image segmentation. In allusion to the image characteristics of retinal blood vessels ， an enhancement algorithms of retinal blood vessels was proposed based on improved curvelet conversion. Firstly， a preprocessing was performed with the green channel of retinal image， combined with the adaptive enhancement of transform coefficient to achieve the process. The improved morphological transformation was also used to suppress background and enhance the vessel image information with more brightness. With the comparison to other methods， the experiment result showed the validity and the values of the method in improving contrast and reducing noise.

Key words: retinal vascular, image enhancement, improved curvelet conversion, morphological transformation, preprocessing

中图分类号:

TP391

张石，佘黎煌，葛欣. 基于曲波变换的视网膜血管图像增强算法[J]. 东北大学学报:自然科学版, 2016, 37(7): 922-926.

ZHANG Shi， SHE Li-huang， GE Xin. Enhancement Algorithms of Retinal Blood Vessels Based on Curvelet Conversion[J]. Journal of Northeastern University Natural Science, 2016, 37(7): 922-926.

参考文献

[1]Benson S，Hong Y.A novel vessel segmentation algorithm for pathological retinal images based on the divergence of vector fields［J］.IEEE Transactions on Medical Imaging，2008，27(2):237-246.
[2]Li Q，You J，Alireza B，et al.Vessel segmentation and width estimation in retinal images using multiscale production of matched filter responses［J］.Expert Systems with Applications，2011，39(9):7600-7610.
[3]曾业战，钱盛友，刘畅.基于核模糊C均值的眼底视网膜血管分割算法［J］.计算机工程应用，2011，47(1):242-244.(Zeng Ye-zhan，Qian Sheng-you，Liu Chang.Method for retinal image vessel segmentation based on KFCM［J］.Computer Engineering and Applications，2011，47(1):242-244.)
[4]姚畅，陈后金.病变视网膜图像血管网络的自动分割［J］.电子学报，2010，38(5):1226-1233.(Yao Chang，Chen Hou-jin.Automatic segmentation of vascular network in pathological changes of retinal image ［J］.Electronic Journals，2010，38(5):1226-1233.)
[5]Gonzalez R C，Woods R E，Eddins S L.Digital image processing［M］.2nd ed.［S.l.］:Prentice Hall，2008.
[6]Ke J，Hou Y Q，Wang D K，et al.An improved algorithm for shape preserving contrast enhancement ［J］.Acta Photonica Sinica，2009，38(1):214-219.
[7]Wang Y F，Ji G R，Emanuele T.Retinal vessel segmentation using multiwavelet kernels and multiscale hierarchical decomposition［J］.Pattern Reognition，2013，46(8):2117-2133.
[8]焦李成，侯彪，王爽，等.图像多尺度几何分析理论与应用［M］.西安:西安电子科技大学出版社，2008.(Jiao Li-cheng，Hou Biao，Wang Shuang，et al.Image multi-scale geometric analysis theory and application［M］.Xi’an:Xidian University Publisher，2008.)
[9]Giovanni R P.A cubic unsharp masking technique for contrast enhancement［J］.Signal Processing，1998，67(6):211- 222.
[10]刘尚平，陈骥.基于Gabor滤波与数学形态学的视网膜图像增强方法［J］.光电子·激光，2010，21(2):318-322.(Liu Shang-ping，Chen Ji.Retinal image enhancement method based on Gabor filtering and mathematical morphology ［J］.Photoelectron·Laser，2010，21(2):318-322.)
[11]Miri M S，Mahloojifar A.Retinal image analysis using Curvelet transform and multistructure elements morphology by reconstruction［J］. IEEE Transactions on Biomedical Engineering，2013，58(5):1183-1192.

[1]	原培新，蔡炟，曹文伟，陈超. 基于双目立体视觉的列车目标识别和测距技术[J]. 东北大学学报（自然科学版）, 2022, 43(3): 335-343.
[2]	葛悦，李宇溪，周福才，张鑫月. 具有前向安全特性的密态图像搜索方案[J]. 东北大学学报（自然科学版）, 2021, 42(8): 1079-1085.
[3]	单鹏，何年，李志刚，吴缀. 分数阶微分Whittaker平滑器[J]. 东北大学学报（自然科学版）, 2021, 42(11): 1527-1532.
[4]	杨丹，刘国如，任梦成，裴宏杨. 多尺度卷积核U-Net模型的视网膜血管分割方法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 7-14.
[5]	高鹏，韩力仁，袁帅，陈洪运. 基于高压电脉冲的磁铁石英岩预处理[J]. 东北大学学报:自然科学版, 2020, 41(4): 563-568.
[6]	佘黎煌，郭一蓉，张石. 基于方向分数和Frangi滤波器的视网膜血管分割算法[J]. 东北大学学报:自然科学版, 2020, 41(2): 182-187.
[7]	王俊鹏，姜涛，刘亚静，薛向欣. 微波预处理对钒钛磁铁矿磨矿动力学的影响[J]. 东北大学学报:自然科学版, 2019, 40(5): 663-667.
[8]	董立岩，王越群，李永丽，朱琪. 基于最大平衡度的自适应随机抽样算法[J]. 东北大学学报:自然科学版, 2018, 39(6): 792-796.
[9]	王彦华，乔建忠，林树宽，赵廷磊. 基于SVM的CPU-GPU异构系统任务分配模型[J]. 东北大学学报:自然科学版, 2016, 37(8): 1089-1094.
[10]	吴影辉，唐加福. 考虑不均匀发车间隔的公交网络时刻表优化模型[J]. 东北大学学报:自然科学版, 2016, 37(4): 461-466.
[11]	吴思炜，曹光明，周晓光，刘振宇. 基于大数据的C-Mn钢数据预处理及神经网络模型[J]. 东北大学学报:自然科学版, 2016, 37(12): 1710-1715.
[12]	冯雅丽，易爱飞，李浩然，王维大. 玉米秸秆还原浸出高铁低品位锰矿研究[J]. 东北大学学报:自然科学版, 2015, 36(8): 1184-1188.
[13]	李现瑾，苑春莉，余宏，朱彤. 厌氧处理结合超声空化高效破解剩余污泥[J]. 东北大学学报:自然科学版, 2015, 36(6): 868-872.
[14]	纪雯，王建辉，方晓柯，顾树生. 一种区间二型模糊隶属度函数的构造新方法[J]. 东北大学学报(自然科学版), 2013, 34(5): 618-623.
[15]	杨洪英，陈国宝，彭驭风，李雪娇. 高镍铜阳极泥预处理富集金银的研究[J]. 东北大学学报(自然科学版), 2013, 34(3): 399-402.

基于曲波变换的视网膜血管图像增强算法

Enhancement Algorithms of Retinal Blood Vessels Based on Curvelet Conversion

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价