基于改进的B样条RibbonSnake视网膜血管分割方法

张春剑　戴百生　张恩泽　卜巍　邬向前

摘要：眼底视网膜血管的分割在眼底视网膜血管病变分析和心脑血管疾病诊断中具有重要的临床应用价值。针对现有视网膜血管割算法分割出的血管边界不够精确光滑以及对低对比度血管分割效果不理想等问题，本文提出一种改进的B样条Ribbon Snake模型，对视网膜图像中的血管进行分割。该方法首先对眼底视网膜图像进行亮度均衡化、去噪等预处理操作，再利用方向线检测算子对血管中心线进行提取，最终在传统B样条Ribbon Snake模型的基础上设计新的宽度能量、区域能量，并利用该模型完成对视网膜血管进行分割。实验结果表明，该方法分割出的血管边界具有精确与光滑的特性，且能对低对比度血管进行有效分割。

关键词：视网膜； 血管分割； B-样条； RibbonSnake模型

中图分类号：TP391 文献标识码：A文章编号：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

由于视网膜血管在眼底视网膜血管病变的分析和心脑血管疾病诊断中具有重要意义，多年来一直受到研究人员的高度重视。正常情况下，其结构跟形态一直处于稳定的状态。然而高血压、糖尿病及冠状动脉硬化等严重危害人类身体健康的心脑血管疾病则会引起眼底视网膜血管直径和弯曲程度等结构的变化。但是由于视网膜里血管结构复杂，通过肉眼进行检测会导致误诊现象时有发生，因此研究科学有效的分割方法对眼底视网膜图像进行血管提取即已成为目前研究界的焦点课题之一。

目前视网膜血管分割常用的方法主要有：基于匹配滤波[1]、基于形态学[2]以及基于有监督学习[3-4]的血管分割算法。虽然现有的方法可以较好地分割视网膜血管，但是同样存在一定的问题而有待改进，比如分割得到血管边界不够精确和低对比度血管分割的结果不够理想。本文则是将B-样条RibbonSnake模型改进之后对视网膜血管进行分割，又通过设计适用于视网膜血管分割的宽度能量和区域能量，达到分割低对比度血管目的，并且分割得到的血管边界光滑、精确。

1视网膜图像的预处理

对于彩色视网膜图像，其红色通道上的图像过饱和，蓝色通道上的图像对比度过低，而绿色通道图像对比度最好，血管组织同背景差异最为明显，故本文选择绿色通道分量作为后续处理的对象。

由于眼底视网膜图像拍摄受到眼底相机性能和眼球运动等影响，视网膜图像不可避免地将存在亮度不均和系统噪声等问题。针对图像亮度不均，本文先对眼底视网膜图像采取大尺度中值滤波进行过平滑，估计出图像的背景亮度，再在原图基础上减去图像背景亮度来实现亮度的均衡化[5]。考虑到双边滤波器[6-7]在去除图像噪声的同时，还能更进一步地保护血管边缘和细节，因此研究采用双边滤波器对亮度均衡化后的血管图像进行去噪。预处理结果如图1所示。

2视网膜血管中心线的提取

接下来，本文将在预处理之后的图像上，实现对视网膜血管中心线的提取。考虑到视网膜血管是一种屋脊边缘，其灰度截面轮廓呈高斯分布，研究将利用方向线检测算子[8]来提取视网膜中心线。本文在不同的方向对视网膜血管中心线进行检测，并将得到的结果融合形成完整的视网膜血管中心线。在此，可将在方向θ上检测到的中心线称为θ-方向线，而将检测θ-方向线的检测算子称为θ-方向线检测算子。

5结束语

本文对眼底视网膜图像进行亮度均衡化、去噪等预处理之后，在各个方向上对血管中心线进行有效提取，并通过设计宽度能量和区域能量，对B-样条RibbonSnake模型进行改进，最终完成对视网膜血管的精确分割。本文在DRIVE数据库进行血管分割测试，结果表明本文方法分割出的血管边界精确、光滑，且能对低对比度血管实现有效分割。虽然本文方法能够精确分割出眼底视网膜图像中绝大多数血管，但是对细小血管的分割效果仍不理想，如何对细小血管实现完整分割也就随之成为下一步的重点研究方向。

参考文献：

[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.（下转第38页）

[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.基于双边滤波的图像去噪及锐化技术研究[D]. 重庆：重庆大学， 2011.

[8]邬向前，等. 掌纹纹线提取及病理纹的识别[C]//计算机在诊法中的应用于研究学术研讨会论文汇编. 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]胡阳， 等. 一种改进的Ribbon Snake遥感图像道路自动生成算法[J].计算机应用， 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.