基于改進的B樣條RibbonSnake視網膜血管分割方法

張春劍　戴百生　張恩澤　卜巍　鄔向前

摘要：眼底視網膜血管的分割在眼底視網膜血管病變分析和心腦血管疾病診斷中具有重要的臨床應用價值。針對現有視網膜血管割算法分割出的血管邊界不夠精確光滑以及對低對比度血管分割效果不理想等問題，本文提出一種改進的B樣條Ribbon Snake模型，對視網膜圖像中的血管進行分割。該方法首先對眼底視網膜圖像進行亮度均衡化、去噪等預處理操作，再利用方向線檢測算子對血管中心線進行提取，最終在傳統B樣條Ribbon Snake模型的基礎上設計新的寬度能量、區域能量，并利用該模型完成對視網膜血管進行分割。實驗結果表明，該方法分割出的血管邊界具有精確與光滑的特性，且能對低對比度血管進行有效分割。

關鍵詞：視網膜； 血管分割； B-樣條； RibbonSnake模型

中圖分類號：TP391 文獻標識碼：A文章編號：2095-2163（2014）04-0032-05

Abstract：The segmentation of retinal blood vessels has an important application value on analysis of retinal vascular lesions and diagnosing cardiovascular diseases. To solve the problem of the poor results of the low-contrast vessels segmentation and rough boundaries for existing retinal blood vessels segmentation algorithms， this paper proposes an improved B-spline Ribbon Snake to segment the retinal vessels. Firstly the paper preprocesses the retinal images through illumination equalization and denoising， and then extracts the vessel centerlines at different directions. Finally， the paper segments retinal blood vessels by designing the width energy and region energy in the B-spline Ribbon Snake model. The results of the experiment shows that the proposed method segmented retinal vessel more accurately and smoothly， and also segments low contrast vessels effectively.

Key words：Retina； Blood Vessels Segmentation； B-spline； RibbonSnake Model

0引言

由于視網膜血管在眼底視網膜血管病變的分析和心腦血管疾病診斷中具有重要意義，多年來一直受到研究人員的高度重視。正常情況下，其結構跟形態一直處于穩定的狀態。然而高血壓、糖尿病及冠狀動脈硬化等嚴重危害人類身體健康的心腦血管疾病則會引起眼底視網膜血管直徑和彎曲程度等結構的變化。但是由于視網膜里血管結構復雜，通過肉眼進行檢測會導致誤診現象時有發生，因此研究科學有效的分割方法對眼底視網膜圖像進行血管提取即已成為目前研究界的焦點課題之一。

目前視網膜血管分割常用的方法主要有：基于匹配濾波[1]、基于形態學[2]以及基于有監督學習[3-4]的血管分割算法。雖然現有的方法可以較好地分割視網膜血管，但是同樣存在一定的問題而有待改進，比如分割得到血管邊界不夠精確和低對比度血管分割的結果不夠理想。本文則是將B-樣條RibbonSnake模型改進之后對視網膜血管進行分割，又通過設計適用于視網膜血管分割的寬度能量和區域能量，達到分割低對比度血管目的，并且分割得到的血管邊界光滑、精確。

1視網膜圖像的預處理

對于彩色視網膜圖像，其紅色通道上的圖像過飽和，藍色通道上的圖像對比度過低，而綠色通道圖像對比度最好，血管組織同背景差異最為明顯，故本文選擇綠色通道分量作為后續處理的對象。

由于眼底視網膜圖像拍攝受到眼底相機性能和眼球運動等影響，視網膜圖像不可避免地將存在亮度不均和系統噪聲等問題。針對圖像亮度不均，本文先對眼底視網膜圖像采取大尺度中值濾波進行過平滑，估計出圖像的背景亮度，再在原圖基礎上減去圖像背景亮度來實現亮度的均衡化[5]。考慮到雙邊濾波器[6-7]在去除圖像噪聲的同時，還能更進一步地保護血管邊緣和細節，因此研究采用雙邊濾波器對亮度均衡化后的血管圖像進行去噪。預處理結果如圖1所示。

2視網膜血管中心線的提取

接下來，本文將在預處理之后的圖像上，實現對視網膜血管中心線的提取。考慮到視網膜血管是一種屋脊邊緣，其灰度截面輪廓呈高斯分布，研究將利用方向線檢測算子[8]來提取視網膜中心線。本文在不同的方向對視網膜血管中心線進行檢測，并將得到的結果融合形成完整的視網膜血管中心線。在此，可將在方向θ上檢測到的中心線稱為θ-方向線，而將檢測θ-方向線的檢測算子稱為θ-方向線檢測算子。

5結束語

本文對眼底視網膜圖像進行亮度均衡化、去噪等預處理之后，在各個方向上對血管中心線進行有效提取，并通過設計寬度能量和區域能量，對B-樣條RibbonSnake模型進行改進，最終完成對視網膜血管的精確分割。本文在DRIVE數據庫進行血管分割測試，結果表明本文方法分割出的血管邊界精確、光滑，且能對低對比度血管實現有效分割。雖然本文方法能夠精確分割出眼底視網膜圖像中絕大多數血管，但是對細小血管的分割效果仍不理想，如何對細小血管實現完整分割也就隨之成為下一步的重點研究方向。

參考文獻：

[1]CHAUDHURI S，CHATTERJEE S， KATZ N， et al. Detection of blood vessels in retinal images using two-dimensional matched filters[J]. IEEE Trans. Med. Imag.， 1989， 8（3）：263-269.

[2]MENDONCA A M， CAMPILBO A. Segmentation of retinal blood vessels by combining the detection of centerlines and morphological reconstruction[J]. IEEE Trans. Med. Imag.， 2006， 25（9）：1200-1213.（下轉第38頁）

[3]RICCI E， PERFETTI R. Retinal blood vessel segmentation using line operators and support vector classification[J]. IEEE Trans. Med. Imag.， 2007， 26（10）：1357-1365.

[4]SOARES J V B， LEANDRO J J G， CEASR R M， et al.， Retinal vessel segmentation using the 2-D Gabor wavelet and supervised classification[J]. IEEE Trans. Med. Imag.， 2006， 25（9）：1214-1222.

[5]NIEMEIJER M， et al. Automatic detection of red lesions in digital color fundus photographs[J]. Medical Imaging， IEEE Transactions on， 2005， 24（5）： 584-592.

[6]LIN C， TSAI J， CHIU C. Switching bilateral filter with a texture/noise detector for universal noise removal[J]. Image Processing， IEEE Transactions on， 2010， 19（9）： 2307-2320.

[7]邱宇.基于雙邊濾波的圖像去噪及銳化技術研究[D]. 重慶：重慶大學， 2011.

[8]鄔向前，等. 掌紋紋線提取及病理紋的識別[C]//計算機在診法中的應用于研究學術研討會論文匯編. 2005：99-104.

[9]KASS M， WITKIN A， TERZOPOULOS D. Snakes： Active contour models[J]. International Journal of Computer Vision， 1988， 1（4）： 321-331.

[10]LAPTEV I， MAYER H， LINDEBERG T， et al. Automatic extraction of roads from aerial images based on scale space and snakes[J].Machine Vision and Applications， 2000，12（1）： 23-31.

[11]胡陽， 等. 一種改進的Ribbon Snake遙感圖像道路自動生成算法[J].計算機應用， 2009， 29（3）：747-749.

[12]SCHMUGGE， STEPHEN J， et al. Segmentation of vasculature for intravital microscopy using bridging vessel snake[C]//Biomedical Imaging， 3rd IEEE International Symposium on. IEEE， 2006：177-180.

[13]STAALJ J， ABRAMOFF M D， NIEMEIJER M， et al. Ridge based vessel segmentation in color images of the retina[J]， IEEE Trans. Med.Imag.， 2004， 23：501-509.

[14]MARTINEZ-PeREZ M E， et al. Retinal blood vessel segmentation by means of scale-space analysis and region growing[C].Medical Image Computing and Computer-Assisted Intervention-MICCAI， 1999：90-97.