眼底图像增强与分割方法研究

发布时间：2023-11-27 20:56

　　随着人们生活方式的改变,各种电子产品已经渗透到生活的方方面面,各种不健康的用眼习惯及眼睛过度疲劳造成越来越多的眼部疾病患者。视力是人们获取外界信息的重要途径,一旦致盲,不可逆转,严重影响了人们的生活。各种眼部疾病会对眼底结构造成不同程度的改变,眼底图像是医生诊断眼部疾病最直接和有效的依据,因此进行眼底图像分析对眼部疾病的辅助诊断具有重要意义。眼底图像增强与分割是眼底图像分析的先决条件,也是图像处理领域的经典难题,基于此,本文对眼底图像进行了以下研究:其一,为了准确的提取眼底视盘结构,提出了基于ShuffleNet和注意力机制的视盘分割网络。我们使用ShuffleNet基本单元取代U-Net网络中的卷积结构,使得网络兼顾“少参数”和“高精度”,并在此基础上使用注意力机制,对U-Net中快捷连接的低层特征进行增强或抑制,得到有用的特征用于视盘结构的提取,避免引入无关噪声。另外,根据平均Hausdorff距离和加权Hausdorff距离的思想,提出了加权平均Hausdorff距离,并作为约束项用在损失函数中,约束网络训练,产生更好的分割。最后使用DRIONSDB、RIM-ONE及DRISHT...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 眼底视盘分割研究现状
    1.3 眼底血管增强研究现状
    1.4 眼底血管分割研究现状
    1.5 本文工作与内容安排
第2章 基于Shuffle Net及注意力机制的视盘分割网络
    2.1 Shuffle Att Unet网络
        2.1.1 标准U-Net结构
        2.1.2 Shuffle Unet网络
        2.1.3 基于注意力机制的Shuffle Unet网络
    2.2 加权平均Hausdorff距离约束
        2.2.1 平均Hausdorff距离
        2.2.2 加权Hausdorff距离
        2.2.3 加权平均Hausdorff距离
    2.3 实验结果与分析
        2.3.1 数据集与评价标准
        2.3.2 实验环境与参数设置
        2.3.3 实验结果与分析
    2.4 小结
第3章 基于K-SVD的眼底血管去噪算法
    3.1 改进的Frangi血管增强算法
        3.1.1 Frangi滤波
        3.1.2 基于模板滤波的断裂处理
    3.2 基于稀疏约束的眼底图像去噪方法
        3.2.1 稀疏约束去噪算法
        3.2.2 Fista求解稀疏约束去噪模型
    3.3 实验结果与分析
        3.3.1 数据集与评价标准
        3.3.2 实验环境与参数设置
        3.3.3 实验结果与分析
    3.4 小结
第4章 基于多尺度注意力机制的循环残差卷积网络的眼底血管分割
    4.1 循环残差卷积
    4.2 多尺度注意力机制的循环残差卷积网络
    4.3 实验结果与分析
        4.3.1 数据集与评价标准
        4.3.2 实验环境与参数设置
        4.3.3 实验结果与分析
    4.4 小结
第5章 总结与展望
参考文献
深圳大学指导教师对研究生学位论文的学术评语
学位论文答辩委员会决议书
致谢
攻读硕士学位期间的研究成果



本文编号：3868560