医学图像特征检测与自动全景拼接方法研究

发布时间：2024-03-27 00:46

　　随着人口结构向老年人口的急剧转变,与年龄有关的眼部疾病,将变得越来越普遍,并发展成为一个严重的公共卫生问题。眼底全景图对手术的诊断和介入规划非常有意义,然而由眼底照相机或扫描激光检眼镜(Scanning Laser Ophthalmoscope,SLO)拍摄的单张眼底图像只能捕捉到眼睛的局部区域,故将多张高分辨率图像生成清晰的视野宽阔的全景图有较大研究价值。X线图像因为其辐射低,价格低廉等优点,在疾病的诊断方面的优势仍无可替代。X线图像如脊柱或者下肢图像由于硬件如探测器的限制往往只能拍摄其中一部分,对于脊柱侧弯畸形和下肢畸形等疾病,医生需要X线全景图像来提供更好地临床诊断。本文的研究内容包括:(1)基于特征的眼底图像的自动拼接。该算法首先采用卷积神经网络对眼底图像中的血管结构进行分割。提出一种基于形态学算子的方法提取血管结构的分叉点为特征点。接着对图像进行匹配,使用随机抽样一致算法(Random Sample Consensus,RANSAC)对图像匹配点对进行提纯并且计算图像的单应性矩阵实现图像的配准对齐。利用不同的投影变换模型将全部待拼接图像变换到同一坐标系下。最终将待拼接图像无缝...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图２－２眼底图像拼接流程图??Ｆｉｇ．２－２?Ｆｌｏｗｃｈａｒｔ?ｏｆ?ｔｈｅ?ｐｒｏｐｏｓｅｄ?ｍｅｔｈｏｄ?ｆｏｒ?ｆｕｎｄｕｓ?ｍｏｓａｉｃ?ｉｍａｇｅｓ??：ｌ＂

对血管网络清晰的图像拼接成功，细微血管易出现模糊，拼接的图片张数比较??少。??图像全景拼接技术现已经形成比较系统的方法，基本的算法流程如图２－１??所示。??图像采集Ｈ图像预处理｜￣Ｈ图像特征提图像配准Ｍ图像融合￣１￣？１全景图??２－１图像拼接基本流程??Ｆｉｇ．２－１?Ｆｌ....

图２＿３本文方法生成的全景图像??Ｆｉｇ．２－３?Ｅｘａｍｐｌｅ?ｏｆ?ｒｅｔｉｎａｌ?ｍｏｓａｉｃ?ｉｍａｇｅ?ｐｒｏｄｕｃｅｄ?ｂｙ?ｏｕｒ?ｍｅｔｈｏｄ??

并且特征点的有效信息太少，进而容易导致特征匹配出错，影响融合结果。??本章采用形态学算子腐蚀二值血管网络图像，利用获得的特征点坐标位置信息??在彩色眼底图像上进行匹配和拼接，获得全景图，示例２－３所示，图２－３左边??是９个待拼接的子图，右图是利用拼接算法得到的全景图像，血管拼接....

图2一4以p，为中心3x3窗口中的9个像素.FigZ一Desi卯ationsoft比ninepixelsina3x3window

Ｆｉｇ．２－５?Ｓｅｇｍｅｎｔａｔｉｏｎ?ｏｆ?ｖａｓｃｕｌａｒ?ｓｔｒｕｃｔｕｒｅｓ?ａｎｄ?ｅｘｔｒａｃｔｅｄ?ｖａｓｃｕｌａｒ?ｃｅｎｔｅｒｌｉｎｅｓ，?（ａ）?Ｆｕｎｄｕｓ?ｉｍａｇｅ，??（ｂ）?Ｖａｓｃｕｌａｒ?ｓｔｒｕｃｔｕｒｅｓ?ｏｆ?ｆｕｎｄｕｓ，?ａｎｄ?（ｃ....

图2一5血管结构的分割和血管中心线的提取

Ｆｉｇ．２－５?Ｓｅｇｍｅｎｔａｔｉｏｎ?ｏｆ?ｖａｓｃｕｌａｒ?ｓｔｒｕｃｔｕｒｅｓ?ａｎｄ?ｅｘｔｒａｃｔｅｄ?ｖａｓｃｕｌａｒ?ｃｅｎｔｅｒｌｉｎｅｓ，?（ａ）?Ｆｕｎｄｕｓ?ｉｍａｇｅ，??（ｂ）?Ｖａｓｃｕｌａｒ?ｓｔｒｕｃｔｕｒｅｓ?ｏｆ?ｆｕｎｄｕｓ，?ａｎｄ?（ｃ....

本文编号：3939940