1. 研究目的与意义
1.1研究背景
视网膜图像分割的研究最早可以追溯到20世纪60年代,经过近四十年的研究,国内外学者已经提出了各种算法上千种,但目前还没有一种适合于所有视网膜图像分割的通用的分割算法,绝大多数算法都是针对具体问题而提出的。另一方面,给定一个实际应用要选择合用的分割算法仍是一个很麻烦的问题,由于缺少通用的理论指导,常常需要反复的进行实验。
多年来,对视网膜分割的研究一直是图像技术研究中的热点和焦点。人们对其的关注和投入不断提高。它是一种重要的图像分析技术,是从视网膜图像处理到视网膜图像分析的关键步骤,也是计算机视觉领域低层次视觉中的主要问题,视网膜图像分割结果是图像特征提取和识别等图像理解的基础,对视网膜图像的加工主要处于图像处理的层次,图像分割后,对图像的分析才成为可能。另外,视网膜图像分割在实际中也得到了广泛的应用,在计算机视觉和图像识别的各种应用系统中占有相当重要的地位,也是研制和研发计算机视觉系统、字符识别和目标自动获取等图像识别和理解系统首先要解决的问题。只要需对视网膜图像目标进行提取,测量等都离不开视网膜分割。视网膜图像处理作为计算机与医学相结合的新兴学科分支,具有比较大的市场潜力。人眼作为人体重要的信息接收器官,常常由于其脆弱性容易受到外界的伤害。因此,眼底图像处理更显得非常重要。与传统的医生人工判断相比较而言,使用计算机辅助进行眼底病变的自动或者半自动分割、分析、标记等技术。 如何有效快速地检测出正常人视网膜图像分割,成为了一个函待解决的课题,需要把医学和计算机科学结合起来,实现眼底疾病诊断自动化和交互式检查。因此,研究设计一种高效的视网膜OCT图像分层算法,方便地调用工具箱中现成的函数,把精力集中在方法的实现上而不是基础操作的编程上,对我国以及世界各国的医疗发展有着重大的意义。
2. 研究内容与预期目标
2.1研究内容
光学相干断层扫描(Optical Coherence Tomography,OCT)因其实时、在体、高分辨率、无创等成像特点,已成为临床眼科医生重要的检查和辅助诊断工具。视网膜结构的自动分割是相关疾病诊断和分析的基础。该方法首先对输入SD-OCT图像进行去噪等预处理,并通过定位内界膜去除视网膜神经纤维层附近的高反射率区域,然后根据高反射率信息定位视网膜色素上皮层的下边界。正常人视网膜图像有着较高的分辨率,但同时有着存在噪声很大、层间边界模糊不清等问题。使用滤波达到保持边界前提下的去噪效果,最后结合边缘检测算法和层边界的梯度特性完成分层。面对海量的数据,眼科医生们迫切地需要一种高效的视网膜OCT图像分层及分析方法。本课题旨在研究设计一种高效的视网膜OCT图像分层算法。 通过方便地调用工具箱中现成的函数,把精力集中在方法的实现上而不是基础操作的编程上,从而能大大提高研究效率。 利用软件的图像灰度信息和梯度信息检查视网膜各层得到边界,统计分析,根据图像分割的边缘分割算法,最终通过编程实现对图像的分割,并对算法性能进行分析,讨论所得结果。
2.2预期目标
3. 研究方法与步骤
(1)图像的读取
读入三维图片,输入图像。
(2)预处理
4. 参考文献
[1]冈萨雷斯.数字图像处理(第三版)[M].电子工业出版社,2017.5.1.
[2]余胜威.MATLAB优化算法案例分析与应用[M].清华大学出版社,2016.1.1.
[3]余胜威.MATLAB图像滤波去噪分析及其应用[M].北京航空航天大学,2015.9.1.
5. 工作计划
(1)2022.12.15----2022.1.15查阅资料, 撰写开题报告
(2)2022.1.16----2022.2.28熟悉开发工具,搭建开发环境
(3)2022.3.1----2022.3.20图像预处理基本算法的实现
以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。