[發明專利]一種基于PCNN的視網膜血管圖像分割方法和系統

有效

• 申請號: 201710145321.4
• 申請日: 2017-03-13
• 公開（公告）號: CN107016676B
• 公開（公告）日: 2019-11-08
• 發明（設計）人: 徐光柱;張柳;雷幫軍;劉鳴
• 申請（專利權）人: 三峽大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/136
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 楊立;李蕾

本發明公開了一種基于PCNN的視網膜血管圖像分割方法及系統，方法包括：S1、提取原始彩色圖像的綠色通道圖像；S2、對綠色通道圖像中的視網膜血管進行預處理，得到預處理后的圖像；S3、通過閾值操作在預處理后的圖像中選出初始種子區域，利用帶有快速連接機制以及動態變化的連接強度的脈沖耦合神經網絡模型對初始種子區域進行迭代生長，直到滿足預定的停止條件，完成預處理后的圖像中的視網膜血管的自動分割，得到視網膜血管的分割圖像。本發明的有益效果是：通過將帶有快速連接機制的PCNN與種子區域增長思想相結合，實現眼底圖像中血管區域的自動生長，從而有效地提取出視網膜圖像中的血管。

技術領域

本發明涉及圖像處理領域，特別涉及一種基于PCNN的視網膜血管圖像分割方法和系統。

背景技術

隨著計算機技術的發展，圖像處理技術已經應用到醫學的各領域中。其中，眼底檢查是否正常與人們的健康狀況密切相關，視網膜中的血管分割與檢測已成為醫學研究者研究和關注的重點。隨著現代生活水平的提高，患糖尿病、高血壓等心血管疾病的人日益增多，醫生通過觀察眼底圖像中視網膜血管的結構特征如顏色、亮度、形狀等變化來進一步確定疾病的類型及嚴重程度，從而可以對癥下藥，以減少診斷失誤所帶來的嚴重后果。因此，視網膜圖像中血管網絡的檢測與分割對心腦血管疾病的檢測、診斷以及治療在臨床上具有非常重要的意義。視網膜圖像中的血管分割存在以下難點：其一，眼底圖像中血管與背景之間的對比度低。由于眼底照相機采集設備和采集環境的影響如光照不均等因素，造成對比度低的情況。其二，血管自身結構特征復雜。視網膜血管的彎曲程度、形狀不一，呈樹狀分布，使得分割起來有一定的困難。其三，目前大多數分割方法所得到的血管存在斷點，導致分割精度不高。

發明內容

本發明提供了一種基于PCNN的視網膜血管圖像分割方法和系統，解決了現有技術中視網膜血管的分割困難且分割精度不高的技術問題。

本發明解決上述技術問題的技術方案如下：一種基于PCNN的視網膜血管圖像分割方法，包括：

S1、提取原始彩色圖像的綠色通道圖像；

S2、對所述綠色通道圖像進行預處理，所述預處理包括圖像對比度增強處理、圖像相減處理、圖像取反處理和圖像掩膜處理，得到預處理后的圖像；

S3、通過閾值操作在所述預處理后的圖像中選出初始種子區域，利用帶有快速連接機制以及動態變化的連接強度的脈沖耦合神經網絡模型對所述初始種子區域進行迭代生長，直到滿足預定的停止條件，完成所述預處理后的圖像中的視網膜血管的自動分割，得到所述視網膜血管的分割圖像。

本發明的有益效果是：通過將帶有快速連接機制的PCNN與種子區域增長思想相結合，實現眼底圖像中血管區域的自動生長，從而有效地提取出視網膜圖像中的血管，改善了血管區域不連續的問題，提高了分割精確度。

在上述技術方案的基礎上，本發明還可以做如下改進。

優選地，步驟S3具體包括：

S301、設置所述脈沖耦合神經網絡模型的連接強度系數初始值β、連接系數的增加項Δδ、連接強度系數最大值的初始值β_max、選擇種子點的初始閾值u₀、血管圖像閾值w、β_max的增加項Δβ、用于控制β_max過度增長的閾值T以及所述脈沖耦合神經網絡模型的輸出矩陣Y，Y初始值設為0；

S302、將所述預處理后的圖像S_y中大于初始閾值u₀的所有像素的值賦為1，作為初始種子區域，即Y(S_y>u0)＝1，其中，像素值為0則顯示黑色，像素值為1則顯示白色；

S303、定義一個與輸出矩陣Y同階的矩陣Y₀并賦值為1；