摘要：视网膜血管检测作为图像处理的一个应用在临床医学中发挥着愈来愈重要的作用。基于图像处理的血管检测方法主要包括抽取技术、跟踪技术和拟合技术。本论文主要致力于研究基于采用通过灰度和弯矩基于不变利用特征的方法进行自适应图像抽取算法及其实现技术。该研究的主要工作包括：1）综述了公开报道的各种视网膜血管检测方法；2）研究了灰度和不变矩特征的方法方法算法及其实现技术；3）通过VC++6.0编程实现了该方法算法进行视网膜血管提取；4）通过实验验证了算法的有效性。5201
关键词：血管检测，图像抽取,不变矩，视网膜成像，远程医疗，血管抽取,毕业论文
Title：Extracting Blood Vessels in Retinal Images
Abstract：
As an application of image processing, the detection of retinal vessels plays more and more important role in clinical medicine. The main methods of vessel detection include segmentation technique, tracking techniques and fitting techniques. This thesis arms to study the minimal-path based tracking algorithm and the corresponding implementation techniques. The main contributions are the follows: 1) presented a brief review of various published extracting methods of retinal vessels; 2) discussed the minimal-path algorithms and their implementations; 3) realized the extraction of retinal vessels based on Dijkstra algorithm, programming with VC++6.0; 4) evaluated the performance of minimal-path algorithm by experiments.
Keywords：Diabetic retinopathy, moment invariants, retinal imaging, telemedicine, vessels segmentation.
目 次
1 引言（或绪论） 1
1.1 课题背景及意义 1
1.2 图像边缘图生成与特征提取的国内外研究现状 1
1.3 本文的主要工作 1
2 基于灰度和不变矩特征的视网膜抽方法 Y
2.1 引言 Y
2. 2 血管抽取法 Y
2. 3 数字图像的预处理 Y
2.4 血管抽取算法 Y
2.5 本章小结 Y
3 视网膜血管抽取性能评估的方法 Y
3.1引言 Y
3. 2 设计评估标准 Y
3.3 本章小结 Y
4 面向图像素描生成的边缘提取和特征匹配模块开发与实现 Y
4. 1 引言 Y
4. 2 实验设计 Y
4. 3 研究成果 Y
结论 Y
致谢 Y
参考文献Y
1 引言
1.1 课题背景及意义
视网膜血管是人体唯一可以在活体使用非创伤性手段直接观察到的血管,许多全身性
由哈佛公共卫生学院和世界卫生组织联合展开的一项长期的研究表明,在发达国家和发展中国家,包含中风和糖尿病在内的心血管疾病是导致死亡的首要原因之一.一个可以有效预测心血管疾病发生和帮助治疗的手段,将每年挽救和提高广大群体的生活质量,在如高血压,心血管和心衰竭等疾病的症状明显出现前,循环系统的检测可以为此提供证据.这一点已经在T.Wong等人的通过对大量研究得到的综述中被证实.这些研究中包含的大量主诉同通过视网膜检测即可发现的循环问题和迹象相联系.对人类眼睛血管的检测,可以预测疾病的发生和辅助诊断,以及追踪一系列与循环系统相关的疾病和症状.
另外，视网膜，具有唯一性、稳定性、可采集性、非侵犯性等优点，在身份鉴别等高层次安全保密方面有重要的应用前景。而且与脸像、声音等非接触式的身份鉴别方法相比，视网膜具有更高的准确性。据统计，视网膜识别的错误率是各种生物特征识别中最低的。基于视网膜的身份鉴别技术日益得到学术界和企业界的重视。
然而,通过肉眼直接观测眼睛或者人工分析视网膜影像是耗时的,耗力的,而且需要经过专门培训的眼科医生和专业设备.一种可以精确的绘制视网膜血管的方法是采用一般的数码相机和陈旧的计算机设备,自动化的分析和诊断工具可以在这些仪器上配合使用,这大大提升了这些检测的速度和效度,同时也大大减少了成本.任何自动视网膜图像抽取方法都需要精确确定眼内的静脉,动脉以及毛细血管的位置,大小和边界,通过此图像去追踪它们的通路.这使得自动化诊断工具的应用成为可能.这些自动诊断工具通过进行视网膜检测,可以预见和显示这些健康问题的所在,并为此提供很多有价值的信息. VC++视网膜血管自适应图像的抽取算法及其实现:http://www.youerw.com/jisuanji/lunwen_2157.html