基于Gabor小波的视网膜血管自动提取研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (18): 88-90.

基于Gabor小波的视网膜血管自动提取研究

王润民1，姚畅2，刘建勋3

1.湖南科技大学信息与电气工程学院，湖南湘潭 411201
2.北京交通大学电子信息工程学院，北京 100044
3.湖南科技大学知识网格实验室，湖南湘潭 411201

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-21 发布日期:2011-06-21

Method of retinal vessel segmentation based on Gabor wavelet

WANG Runmin1，YAO Chang2，LIU Jianxun3

1.College of Information and Electrical Engineering，Hunan University of Science and Technology，Xiangtan，Hunan 411201，China
2.School of Electronics and Information Engineering，Beijing Jiaotong University，Beijing 100044，China
3.Knowledge Grid Laboratory，Hunan University of Science and Technology，Xiangtan，Hunan 411201，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-21 Published:2011-06-21

摘要/Abstract

摘要： 针对视网膜血管网络灰度分布特征和区域结构特征，提出了一种基于Gabor小波的视网膜血管提取方法。采用Gabor滤波预处理以增强血管，用改进的自适应二值化方法对增强后的视网膜图像进行二值化处理，根据视网膜血管具有区域连通性的特征，并用形态学方法分割出最终的血管。为验证方法的有效性，对Hoover眼底图像库进行实验，结果表明该方法在细小血管的提取以及连续性、有效性方面都优于Hoover算法。

关键词: Gabor滤波器, 数学形态学, 图像增强, 血管提取

Abstract: In terms of the special gray distribution and region structure in retinal image，a novel blood vessel segmentation method based on Gabor wavelet is proposed.The Gabor wavelet is taken to enhance vessels，then the algorithm based on improved adaptive binarization is employed for the retinal image’s binarization processing，and the mathematical morphology is applied to extract the vessels region by analysis of region connectivity.The experiments implemented on the Hoover database indicate the efficiency of the proposed approach，and this blood vessel segmentation method is better than the Hoover algorithm.

Key words: Gabor filters, mathematical morphology, image enhancement, vessel segmentation

王润民1，姚畅2，刘建勋3. 基于Gabor小波的视网膜血管自动提取研究[J]. 计算机工程与应用, 2011, 47(18): 88-90.

WANG Runmin1，YAO Chang2，LIU Jianxun3. Method of retinal vessel segmentation based on Gabor wavelet[J]. Computer Engineering and Applications, 2011, 47(18): 88-90.

[1]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[2]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[3]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[4]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[5]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[6]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.
[7]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.
[8]	杜树林，邱卫根，张立臣. 组件树理论和方法研究综述[J]. 计算机工程与应用, 2019, 55(12): 44-53.
[9]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[10]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[11]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[12]	成钊1，2，王和明1，唐永康2，张颖1. 基于细节增强分析的硬件木马红外图像检测方法[J]. 计算机工程与应用, 2018, 54(16): 86-92.
[13]	范晓鹏1，2，3，4，朱枫1，3，4. 人眼灰度感知建模及其在图像增强中的应用[J]. 计算机工程与应用, 2018, 54(13): 209-215.
[14]	王永鑫1，2，刁鸣1，韩闯2. 基于同态滤波的水下图像增强与色彩校正模型[J]. 计算机工程与应用, 2018, 54(11): 30-34.
[15]	程欢. 基于DEM图像增强的航海雷达回波模拟[J]. 计算机工程与应用, 2018, 54(10): 186-191.