2、基于方向的视网膜血管分割方法

基于方向的视网膜血管分割方法

在眼科领域，自动分析视网膜血管的程序具有重要意义，它能够助力多种疾病的早期诊断，像糖尿病视网膜病变、动脉硬化、高血压、心血管疾病以及中风等。同时，视网膜血管结构的自动分析在生物识别领域也有应用，因为每个人的视网膜血管结构都是独一无二的，甚至同一人的左右眼血管结构也存在差异。

1. 方法概述

本文介绍了一种基于方向信息的无监督视网膜血管分割方法。该方法主要步骤如下：
- 构建方向图 DMG：对 RGB 视网膜图像的绿色通道 G 进行处理，为每个像素分配 12 种可能离散方向中的一个方向，从而构建方向图 DMG。
- 阈值分割：使用两个不同的阈值对方向图 DMG 进行分割，得到欠分割图像 Gu 和过分割图像 Go。
- 合并与优化：将过分割图像 Go 中的部分像素添加到欠分割图像 Gu 中，以提高分割质量。

2. 构建方向图 DMG

2.1 选择绿色通道

大多数研究者在处理视网膜图像时，会选择 RGB 图像的绿色通道 G，因为该通道具有最高的对比度。绿色通道 G 的灰度值范围是 [0, 255]，灰度值越大，像素越亮。血管像素通常是较细的结构，其像素一般比相邻的非血管像素暗，并且沿不同方向排列。

2.2 计算像素方向

为了构建方向图 DMG，需要考虑以像素 p 为中心的 n × n 窗口 W 内像素的灰度值。选择合适的 n 值至关重要，窗口 W 要足够大，以包含血管和非血管像素，即使窗口中心位于最粗血管的最内部像素上，也要保证窗口内有明显的灰度变化；但窗口也不能太大，以免包含相邻血管的像素。根据 DRIVE 数据库中血管的平均宽度和距