基于HESSIAN增强和形态学尺度空间的视网膜血管分割

眼底视网膜血管的走向、弯曲度、分叉度等性状分析已成为医学上诊断全身血管性疾病的重要手段。采集到的眼底图像常存在光照不均匀等现象,利用传统的血管分割方法难以对微小血管进行检测。为此提出一种基于改进Hessian矩阵增强和形态学尺度空间的分割方法。首先利用高斯函数构建多尺度Hessian增强滤波器,采用新型的血管相似性函数对血管网络进行对比度增强,同时平滑图像以减轻噪声;然后利用改进的Top-hat变换尺度空间从背景中提取血管,并引入形态学重建方法进一步突出血管像素,消除伪边缘及孤立点噪声;最后使用二次阈值化方法实现血管的最终分割。仿真结果表明,改进的分割方法在保证大血管脉络准确分割的同时,能够较好地实现微小血管分割。

一种低对比度CT图像的血管分割方法

CT图像血管分割技术在疾病的诊断,手术规划等许多实际应用中发挥着重要的作用.由于个体性差异和成像设备的限制,造影后的血管通常存在对比度低和噪声高的缺陷.针对该数据特点提出了一套分割方法,首先采用直方图对图像进行预处理,以增强血管和周围区域的对比度;其次,改进Hessian矩阵血管增强的判别方法,使其对细小和模糊的管状结构更加敏感;最后,采用区域生长算法对增强后的数据进行血管提取,获得血管分支较丰富的分割数据.实验证明本文的分割方法可以准确地实现血管分割,有效地避免了误分割,具有较好的鲁棒性.