Segmentação de disco ótico e vasos sanguíneos em imagens retinais usando wavelets, morfologia matemática e filtragem multiescalas baseada em hessianas

• Ano de defesa: 2017
• Autor(a) principal: Rodrigues, Luiz Carlos Ferreira
• Orientador(a): Marengoni, Mauricio
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Presbiteriana Mackenzie
• Palavras-chave em Português: imagens retinais; morfologia matemática; wavelets; filtros multiescala
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS
• Link de acesso: http://dspace.mackenzie.br/handle/10899/24283

A importância de um acurado e precoce diagnostico de doenças retinais tem motivado o desenvolvimento de técnicas de visão computacional necessárias para uma completa avaliação automática das condições do sistema retinal. Nesta tese, apresentamos um novo algoritmo que aplica transformadas wavelets e morfologia matemática na detecção do disco ótico e exploramos as características tubulares dos vasos sanguíneos em espaço de escalas Gaussianas para segmentar veias e artérias. O disco ótico e a estrutura vascular são essenciais para a análise da imagem retinal. Em vez de usar tentativas empíricas para escolher os melhores parâmetros para segmentação de vasos, foi utilizado algoritmo genético (GA) e suas sequências de gerações e cruzamentos. Entretanto, a técnica de explorar as características tubulares dos vasos chega ao seu limite quando os vasos são representados por sequências curvilíneas e não continuas de 1 pixel de largura. Para superar essa limitação, foi criada uma nova metodologia baseada no algoritmo de Steger para segmentar uma estrutura curvilínea de duas dimensões que não são alcançadas pelo detector de vasos em espaço de escalas. O detector de estrutura curvilínea irá identificar e anexar as linhas aos vasos principais usando o algoritmo de caminho mais curto de Dijkstra, completando a segmentação de vasos grossos é nos. O método proposto foi desenvolvido e testado sobre duas bases de imagens abertas e gratuitamente disponíveis: DRIVE (Digital Retinal Images for Vessel Extraction) que contém 40 imagens retinais anotadas e sobre HRF-DB (High Resolution Fundus Image Database) que contém 45 imagens anotadas. Os resultados experimentais do método são demonstrados e exibem uma acurácia média de 0.9503 no banco de imagens DRIVE e 0.9445 no HRF-DB. Tais níveis de acurácia estão próximos ao estado da arte, que são mais complexos e requerem um, ocasionalmente dois, módulos de pré processamento, enquanto este método não requer pré ou pós processamento. O método desenvolvido possui um tempo médio de processamento, para cada imagem, de 35 segundos e for desenvolvido em um processador Intel Core i5-3320, CPU de 2.60 GHz com 8 GB de RAM.