童何俊等：基于免疫遗传形态学的视网膜光学相干断层图像边缘检测方法 ·545· 表3多种边界提取方法与专家结果量化平均相对误差比较（以面积为例） Table 3 Comparison of the average relative errors determined by multiple boundary extraction methods and expert results (as an example of area) 边界提取方法 Single_3 Single_5 Multi Canny GTDP IGM IGSM ARE 0.0383 0.1586 0.0303 0.0751 0.6385 0.0241 0.0256 [6]Babu K R,Sunitha K V N.Image de-noising and enhancement for 5结论 salt and pepper noise using genetic algorithm-morphological opera- (1)针对采用单一结构元素无法实现多种形态 tions.Int J Signal Image Process,2013.4(1):36 ] Erccal T,Ozcan E,Asta S.Soft morphological filter optimization 目标的提取，和传统形态学结构元素形态单调固定 using a genetic algorithm for noise elimination /Proceedings of 的问题，本文借鉴生物免疫抗体与抗原间作用机理， 2014 14th UK Workshop on Computational Intelligence.Bradford, 利用免疫遗传算法来实现形态学结构元素根据图像 2014:1 本身信息的自适应改变 [8] Jiang D H,Hua G.Research on image enhancement method based (2)利用自适应生成的结构元素对视网膜OCT on adaptive immune genetic algorithm.J Comput Theor Nanosci 2015,12(1):119 图像进行形态学边缘检测滤波，实现目标边界提取. [9 Chen L A,Zhang P M.Realization of immune genetic algorithm in 通过与传统形态学方法，边缘检测算子，图理论等多 MATLAB.J Fuzhou Univ Nat Sci,2004,32(5)554 种方法的仿真对比，本文算法分割结果的Part品质 (陈丽安，张培铭.免疫遗传算法在MATLAB环境中的实现 因数和平均相对误差都是最优的，证明了算法在图 福州大学学报（自然科学版），2004,32(5)：554) 像边界提取中的有效性 [10]Liu Y N,Zhang G C,An J.Noise-resistance in color image edge detection based on flexible morphology.J Lanzhou Unie Nat Sci, (3)在提取视网膜边界的基础上，本文还对眼 2016,52(1):135 科医师所关注的视网膜组织厚度和面积特征进行了 (刘燕妮，张贵仓，安静。基于柔性形态学的抗噪彩色图像 量化提取，为后续的计算机辅助诊断提供数值参考. 边缘检测.兰州大学学报（自然科学版），2016,52(1)： 135) 参考文献 [11]Bhima K,Jagan A.Analysis of MRI based brain tumor identifi- Haralick R M,Stemnberg S R,Zhuang X H.Image analysis using cation using segmentation technique /Proceedings of 2016 Inter- mathematical morphology.IEEE Trans Pattern Anal Mach Intell, national Conference on Communication and Signal Processing. 1987,9(4):532 Melmaruvathur,2016:2109 Liu Y L.Gui Z G.Adaptive image enhancement algorithm with 12] Michikawa T,Suzuki H,Moriguchi M,et al.Automatic extrac- variable weighted matching based on morphology.J Electron In- tion of endocranial surfaces from CT images of crania.PloS One, form Technol,2014,36(6):1285 2017,12(4):c0168516 (刘艳莉，桂志国.基于形态学的可变权值匹配自适应图像增 [13]Xu D L,Tan R Q,Ding Q,et al.Screening ocular fundus mac- 强算法.电子与信息学报，2014,36(6)：1285) ular diseases with OCT.Clin J Chin Med,2016,8(32):123 B]Zhou S B,Shen A Q,LiG F.Concrete image segmentation based (徐黛丽，谭荣强，丁琼，等.眼底黄斑部疾病筛查中OCT on multiscale mathematic morphology operators and Otsu method. 的应用.中医临床研究，2016,8(32)：123) Ade Mater Sci Eng,2015,2015(11):208473 14]Li Y J,Zhang J W,Wang M N.Improved BM3D denoising 4]Lee S H,Lee C.Multiscale morphology based illumination nor- method.IET Image Process,2017,11(12)1197 malization with enhanced local textures for face recognition.Expert [15]Chiu S J,Allingham M J,Mettu P S,et al.Kernel regression Syst Appl,2016,62:347 based segmentation of optical coherence tomography images with [5]Wang JG.Gao D Y.Improved morphological TOP-HAT filter op- diabetic macular edema.Biomed Opt Exp,2015,6(4):1172 timized with genetic algorithm /Proceedings of the 2009 2nd In- [16]Fu D M,Tong H J,Zheng S,et al.Retinal status analysis meth- ternational Congress on Image and Signal Processing (CISP). od based on feature extraction and quantitative grading in OCT Tianjin,2009:1 images.Biomed Eng Online,2016,15(1):87童何俊等: 基于免疫遗传形态学的视网膜光学相干断层图像边缘检测方法 表 3 多种边界提取方法与专家结果量化平均相对误差比较( 以面积为例) Table 3 Comparison of the average relative errors determined by multiple boundary extraction methods and expert results ( as an example of area) 边界提取方法 Single_3 Single_5 Multi Canny GTDP IGM IGSM AＲE 0. 0383 0. 1586 0. 0303 0. 0751 0. 6385 0. 0241 0. 0256 5 结论 ( 1) 针对采用单一结构元素无法实现多种形态 目标的提取，和传统形态学结构元素形态单调固定 的问题，本文借鉴生物免疫抗体与抗原间作用机理， 利用免疫遗传算法来实现形态学结构元素根据图像 本身信息的自适应改变． ( 2) 利用自适应生成的结构元素对视网膜 OCT 图像进行形态学边缘检测滤波，实现目标边界提取． 通过与传统形态学方法，边缘检测算子，图理论等多 种方法的仿真对比，本文算法分割结果的 Partt 品质 因数和平均相对误差都是最优的，证明了算法在图 像边界提取中的有效性． ( 3) 在提取视网膜边界的基础上，本文还对眼 科医师所关注的视网膜组织厚度和面积特征进行了 量化提取，为后续的计算机辅助诊断提供数值参考． 参 考 文 献 ［1］ Haralick Ｒ M，Sternberg S Ｒ，Zhuang X H． Image analysis using mathematical morphology． IEEE Trans Pattern Anal Mach Intell， 1987，9( 4) : 532 ［2］ Liu Y L，Gui Z G． Adaptive image enhancement algorithm with variable weighted matching based on morphology． J Electron In￾form Technol，2014，36( 6) : 1285 ( 刘艳莉，桂志国． 基于形态学的可变权值匹配自适应图像增 强算法． 电子与信息学报，2014，36( 6) : 1285) ［3］ Zhou S B，Shen A Q，Li G F． Concrete image segmentation based on multiscale mathematic morphology operators and Otsu method． Adv Mater Sci Eng，2015，2015( 11) : 208473 ［4］ Lee S H，Lee C． Multiscale morphology based illumination nor￾malization with enhanced local textures for face recognition． Expert Syst Appl，2016，62: 347 ［5］ Wang J G，Gao D Y． Improved morphological TOP--HAT filter op￾timized with genetic algorithm / / Proceedings of the 2009 2nd In￾ternational Congress on Image and Signal Processing ( CISP) ． Tianjin，2009: 1 ［6］ Babu K Ｒ，Sunitha K V N． Image de-noising and enhancement for salt and pepper noise using genetic algorithm-morphological opera￾tions． Int J Signal Image Process，2013，4( 1) : 36 ［7］ Ercal T，zcan E，Asta S． Soft morphological filter optimization using a genetic algorithm for noise elimination / / Proceedings of 2014 14th UK Workshop on Computational Intelligence． Bradford， 2014: 1 ［8］ Jiang D H，Hua G． Ｒesearch on image enhancement method based on adaptive immune genetic algorithm． J Comput Theor Nanosci， 2015，12( 1) : 119 ［9］ Chen L A，Zhang P M． Ｒealization of immune genetic algorithm in MATLAB． J Fuzhou Univ Nat Sci，2004，32( 5) : 554 ( 陈丽安，张培铭． 免疫遗传算法在 MATLAB 环境中的实现． 福州大学学报( 自然科学版) ，2004，32( 5) : 554) ［10］ Liu Y N，Zhang G C，An J． Noise-resistance in color image edge detection based on flexible morphology． J Lanzhou Univ Nat Sci， 2016，52( 1) : 135 ( 刘燕妮，张贵仓，安静． 基于柔性形态学的抗噪彩色图像 边缘检测． 兰 州 大 学 学 报( 自 然 科 学 版) ，2016，52 ( 1 ) : 135) ［11］ Bhima K，Jagan A． Analysis of MＲI based brain tumor identifi￾cation using segmentation technique / / Proceedings of 2016 Inter￾national Conference on Communication and Signal Processing． Melmaruvathur，2016: 2109 ［12］ Michikawa T，Suzuki H，Moriguchi M，et al． Automatic extrac￾tion of endocranial surfaces from CT images of crania． PloS One， 2017，12( 4) : e0168516 ［13］ Xu D L，Tan Ｒ Q，Ding Q，et al． Screening ocular fundus mac￾ular diseases with OCT． Clin J Chin Med，2016，8( 32) : 123 ( 徐黛丽，谭荣强，丁琼，等． 眼底黄斑部疾病筛查中 OCT 的应用． 中医临床研究，2016，8( 32) : 123) ［14］ Li Y J，Zhang J W，Wang M N． Improved BM3D denoising method． IET Image Process，2017，11( 12) : 1197 ［15］ Chiu S J，Allingham M J，Mettu P S，et al． Kernel regression based segmentation of optical coherence tomography images with diabetic macular edema． Biomed Opt Exp，2015，6( 4) : 1172 ［16］ Fu D M，Tong H J，Zheng S，et al． Ｒetinal status analysis meth￾od based on feature extraction and quantitative grading in OCT images． Biomed Eng Online，2016，15( 1) : 87 · 545 ·