Retinal vessel　extraction　by　matched　filter　with　first-order derivative ofGaussian

最新推荐文章于 2024-03-15 17:28:59 发布

aogogogo

最新推荐文章于 2024-03-15 17:28:59 发布

阅读量878

点赞数

分类专栏：高光谱

本文链接：https://blog.csdn.net/zhouboke/article/details/78430237

版权

高光谱专栏收录该内容

5 篇文章

订阅专栏

该文提出了一种名为MF-FDOG的匹配滤波器方法来提取眼底图像中的血管。MF对血管和非血管边缘都有响应，而FDOG能区分血管和非血管边缘。通过MF和FDOG的结合，可以调整阈值，有效提取血管并抑制非血管结构。实验结果表明，MF-FDOG方法在抑制非血管响应和检测眼底血管方面表现出色。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

　　开始看匹配滤波呢，并不知道是个什么东东，纪念逝去的一年，为了不浪费这七年，得怎样拼命的赶路啊。。。请告诉我我的抉择没有错，请一个人在努力的前行吧！！！
　　摘要：MF对血管和非血管边缘都有很强的响应，因此提出MF-FDOG（the matched filter with first-order derivative of the Gaussian)检测血管,血管剖面结构类似于镜像高斯分布，我们用一组滤波器–0均值高斯滤波器和高斯微分–来检测血管。对于真血管来说，在它的峰值区会有一个强响应，而在峰值区的局部均值对于FDOG响应接近0。反之，对于非血管结构，如陡峭的边缘，不仅对MF有高响应而且对FDOG的局部均值也很高。基于这一区别我们可以利用FDOG很好的分辨血管和非血管边缘结构。
　　MF-FDOG对眼底图像滤波会得到两个响应图像，H(by MF)和D(by FDOG)。血管图像对H设置一个阈值T来获得，而 T通过D来调整以消除非血管边缘和提取正确的血管。
　　The　matched　filter
　　利用血管剖面结构近似于一个高斯函数这一先验知识，因此使用一个高斯形状的滤波器来匹配血管用于探测。MF定义为这里写图片描述
　　s代表滤波器的范围，用来归一化滤波器的均值为0使得平滑的背景滤波后可以移除，L是邻近区域沿着y轴到平滑噪声的长度，标准t是一个常量通常设为3因为在高斯曲线下超过99%的区域位于【-3s,3s】之内。参数L也要基于s选择，当s很小的时候，L就很大。同时f(x,y)会被旋转用来检测血管的不同方向。
　　然而问题在于MF对血管非血管的边缘结构也会有强响应，阈值化后两者都能探测到，问题转变为找到一个合适的滤波器区分开血管和非血管边缘。
　　TheMF-FDOG
　　　基于血管剖面是一个镜像的高斯函数而边缘是非镜像的，我们使用一组滤波器来区分高斯型血管构造和非血管边缘。ＦＤＯＧ定义为这里写图片描述。我们用ＭＦ－ＦＤＯＧ用在血管探测因为血管剖面结构是高斯型的对于ＭＦ有强的响应而对于ＦＤＯＧ是非镜像的，相反，虽然非血管结构边缘对于ＭＦ也有强响应但是对于ＦＤＯＧ是强烈的并且是镜像的。
　　这里写图片描述
　　两幅图分别为ＭＦ滤波后的结果ｈ和ＦＤＯＧ滤波后的结果ｄ，对ｄ局部均值的结果ｄｍ．但是对于ｈ来说两者幅度都很高（１００和３００处），对于ｄｍ来说这两处血管幅值低，边缘幅值高，因此ｄｍ可用来调整阈值Ｔ来检测真的血管边缘同时去除非血管边缘。换句话说，Ｔ的值由ｄｍ确定。若ｄｍ的幅值很低，意味着邻近区域可能有血管出现，所以施加于ｈ的阈值Ｔ应该小一点来探测边缘，如果ｄｍ幅值高意味着非血管边缘可能会出现，因此阈值Ｔ应该大一点来抑制非血管边缘。
　　我们提出一种用ＭＦ－ＦＤＯＧ的阈值设定的方法来探测眼底图像的血管，阈值运用于眼底图像对ＭＦ的响应，但是阈值的取值应根据眼底图像对ＦＤＯＧ的响应来设置。对眼底图像用ＭＦ－ＦＤＯＧ滤波后得到两幅图像Ｈ（ｂｙ　ＭＦ）和Ｄ（ｂｙ　ＦＤＯＧ），对Ｄ用均值滤波得到Ｄｍ＝Ｄ＊Ｗ，Ｗ是一个ｗ＊ｗ的滤波器所有的元素为１／ｗ２.局部均值图像Ｄｍ然后被归一化每个元素范围为【０,１】，用Ｄ～表示。阈值Ｔ设为这里写图片描述，Ｔｃ是一个参考阈值，这篇文章设为，ｕｈ是Ｈ的平均值，ｃ是一个常数根据经验设置为２～３，将Ｔ用于Ｈ，最后的血管图Ｍｈ是如下
　　由上式可知，如果图像中有血管，对应的幅度值会很小，因此阈值这里写图片描述也会变小，这样血管就能被检测到。若图像中有非血管结构，幅度值会很大，因此也增大，这样非血管就能被抑制。
(a)theoriginalimage　im0001　from　the　STARE　database,
(b)the　response　map　to MF,
(c) the　local　mean　of　the　response　to　FDOG,
(d)the　vessel　extraction　result　after　applying　a　global　threshold　to　the　MF　response　map,
(e)the　extraction　result　of　the　proposed scheme　and
(f)the　ground　truth　vessel　map.
Experimentalresults
我们使用了一个multi-scale　MF-FDOG　approach，换言之我们用一个大尺寸来探测粗的血管，小尺寸来定位细血管。两者的提取结果使用逻辑或操作简单结合。参数设置s=1.5，L=9(wide　vessels), s=1， L=5(thin　vessels)， W=31×31，c=2.3，8个方向
MF-FDOG　filtering.根据经验设置。
　　MF-FDOG方法提出的重要目的之一
在于压抑了MＦ对非正常视网膜图像病变和斑点的响应。