Extracting Vessel Centerlines From Retinal Images Using Topographical Properties and Directional Filters

در اين مقاله مسيله استخراج رگ‌هاي شبكيه چشم را از تصوير شبكيه مورد مطالعه قرار داده‌ايم. از آنجايي كه كانال سبز تصوير بهترين كنتراست بين رگ و غير رگ را داراست، از اين كانال براي جداسازي رگ‌ها استفاده كرده‌ايم. پس از ارتقا تصوير معكوس كانال سبز، آن را به صورت يك رويه توپوگرافيكي در نظر گرفته و نقاط ناوداني بيرون را از آن استخراج مي‌كنيم. اين نقاط بر روي مركز رگ‌ها قرار دارند. در حضور نويز پيش‌زمينه و توزيع غيريكنواخت روشنايي در تصوير برداري، مراكز رگ‌ها به درستي استخراج نمي‌شوند. نقاط استخراج شده جدا از يكديگر مي‌باشند و تنها بخشي از خط مركزي رگ را تشكيل مي‌دهند. براي اتصال نقاط مجزا و گسترش آن‌ها با هدف استخراج رگ‌هاي باريك روش جديدي پيشنهاد شده است. در اين روش بانكي از فيلتر‌هاي جهت‌دار طراحي نموده‌ايم كه جهت مناسب براي رشد خط مركزي رگ را تخمين مي‌زند. به كمك اين روش نقاط انتهايي رشته خطوط ناوداني رشد داده مي‌شوند تا خطوط مركزي رگ‌ها به صورت رشته‌هاي پيوسته گسترش يابند. نتايج حاصل از آزمايشات بر روي پايگاه داده DRIVE نشان دهنده برتري روش پيشنهاد شده نسبت به روش‌هاي موجود است. اين برتري با معيار صحت، ميزان عدم اشتراك و حساسيت سنجيده شده‌است.

In this paper, we consider the problem of blood vessel segmentation in retinal images. After enhancing the retinal image we use green channel of images for segmentation as it provides better discrimination between vessels and background. We consider the negative of retinal green channel image as a topographical surface and extract ridge points on this surface. The points with this property are located on the centerline of vessels. In presence of noise and non-uniform illumination, the extracted ridge points appear as separated points which consist parts of vessel centerline. In order to connect separated ridge points and extending them for thin vessel extraction, we introduce a bank of directional filters to determine proper direction for extending the ridge end points. The ridge end points grow to provide link between separated parts of centerline using the introduced procedure. The result of experiment on images in the DRIVE database shows the proposed method outperforms the existing methods. Performance of the proposed method was evaluated based on accuracy, false positive and false negative criteria.