Axel Doering

Registrierung von Aufnahmen des Augenhintergrundes zur Erstellung großflächiger Kompositionsaufnahmen

Wir prasentieren einen automatischen Algorithmus zur Registrierung und uberlagerung von Fundusbildern zu gro flachigen Kompositionsaufnahmen. Das Verfahren kombiniert flachenbasierte und punktbasierte Ansatze. Als ahnlichkeitsma normierte Korrelationskoeffizient, der sich im Vergleich zur Transinformation als robuster erwies und schneller zu berechnen ist. Den Transformationen der Bilder liegt ein quadratisches Modell zugrunde, das die annahernd spharische Oberflache der Retina berucksichtigt und anhand visueller Bewertung ausgewahlt wurde. Bei der Validierung an realen klinischen Daten erwies sich der vorgestellte Algorithmus als robust und genau. Die Grenzen des Verfahrens bilden sehr unscharfe Bilder und solche, die nur sehr wenig relevante Strukturen enthalten.

Segmentierung der Papille in Fundusaufnahmen Aktives Kreisbogen-Modell

In der vorliegenden Arbeit prasentieren wir einen praxistauglichen Algorithmus zur automatischen Segmentierung der Disc-Grenze der Papille in Fundusaufnahmen. Ausgehend von einem lokalisierten Papillenpunkt werden Grauwertverlaufe in horizontaler und vertikaler Richtung mittels einer Energiefunktion ausgewertet. In einem iterativen Prozess wird die Ellipse der tatsachlichen Disc-Grenze angenahert. Der Papillenrand konnte im Testdatensatz in 88% der Aufnahmen erfolgreich segmentiert werden. Der Algorithmus ist robust gegenuber der Lage des Startpunktes innerhalb der Papille und soll als Unterstutzung bei der Glaukombefundung eingesetzt werden.

Registrierung von Aufnahmen des Augenhintergrundes zur Erstellung großflachiger Kompositionsaufnahmen Registration of fundus images for generating wide field composite images of the retina

Zusammenfassung Die Zusammensetzung von Aufnahmen des menschlichen Augenhintergrundes zu Kompositionsbildern stellt hohe Anforderungen an die verwendeten Verfahren. Erhebliche Beleuchtungsunterschiede innerhalb und zwischen den Bildern, strukturlose Bereiche und nichtlineare Verzerrungen stellen hierbei die größten Probleme dar. Die vorliegende Arbeit präsentiert einen automatischen Algorithmus zur Registrierung von Fundusaufnahmen sowie deren Transformation und Überlagerung zu großflächigen Kompositionsaufnahmen. Das Verfahren nutzt dabei sowohl den flächenbasierten als auch den punktbasierten Ansatz. Als Ähnlichkeitsmaß dient jeweils der normierte Korrelationskoeffizient, der sich im Vergleich zu ebenfalls untersuchten unterschiedlichen Definitionen der Transinformation als am besten geeignet erwies. Den Transformationen der Bilder liegt ein vollständig quadratisches Modell zugrunde, das die annähernd sphärische Oberfläche der Retina berücksichtigt und anhand visueller und quantitativer Bewertung aus insgesamt 5 untersuchten Modellen ausgewählt wurde. Der entwickelte Algorithmus erwies sich bei der Validierung an realen klinischen Daten als robust und zuverlässig. Die visuelle und quantitative Analyse der berechneten Bildmontagen ergab eine hohe Genauigkeit. Probleme können auftreten, wenn die zu registrierenden Bilder sehr unscharf sind oder sehr wenige relevante Strukturen enthalten. Abstract The composition of retinal images presents high demands to the applied methods. Substantially different lighting conditions between the images, glarings and fade-outs within one image, large textureless regions and non-linear distortions are the main challenges. We present a fully automatic algorithm for the registration of images of the human retina and their overlay to wide field montage images combining area-based and point-based approaches. The algorithm combines an area-based as well as a point-based approach for determining similarities between images. Various measures of similarity were investigated, where the normalized correlation coefficient was superior compared to the usual definitions of transinformation. The transformation of the images was based on a quadratic model that can be derived from the spherical surface of the retina. This model was compared to four other parameterized transformations and performed best both visually and quantitatively in terms of measured misregistration. Problems may occur if the images are extremely defocused or contain very little relevant structural information.