Dust Particle Artifact Detection and Removal in Retinal Images

• Autores: E. Sierra, Andres Guillermo Marrugo, María Sagrario Millán García-Varela
• Localización: Óptica pura y aplicada, ISSN-e 2171-8814, Vol. 50, Nº. 4, 2017, págs. 379-387
• Idioma: inglés
• Títulos paralelos:
  • Detección y eliminación de artefactos de partículas de polvo en imágenes de la retina
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Las cámaras de fondo de ojo sufren de partículas de polvo que se adhieren al sensor y la lente. Éstas aparecen en las imágenes como pequeños artefactos. En este trabajo proponemos una nueva estrategia para la detección y eliminación de artefactos en imágenes de fondo ojo producidos por partículas de polvo. Se consideran como entrada dos o más imágenes de fondo de ojo a color adquiridas en la misma sesión; se asume que los artefactos no cambian de posición. El método propuesto consiste en la detección de artefactos mediante la correlación cruzada normalizada con una plantilla de artefactos, realizar la segmentación por crecimiento de regiones y comparar las segmentaciones en todas las imágenes. Esto garantiza que las detecciones sean consistentes para todas las imágenes. La etapa de eliminación consiste en un procedimiento de inpainting de tal manera que la nueva región no resalte respecto de las regiones vecinas. Los resultados experimentales han sido satisfactorios en los cuales se muestra que la localización de artefactos es efectiva y los artefactos se eliminan satisfactoriamente sin introducir nuevos artefactos en las imágenes retinianas a color.

  • English

    Retinal fundus cameras suffer from dust particles attaching to the sensor and lens, which manifest as small artifacts on the images. We propose a new strategy for the detection and removal of dust particle artifacts in retinal images. We consider as input two or more color fundus images acquired within the same session, in which we assume the artifacts remain in the same position. Our method consists in detecting candidate artifacts via normalized cross correlation with an artifact template, performing segmentation via region growing, and comparing the segmentations in all images. This guarantees that all detections are consistent for all images. The removal stage consists in an inpainting procedure so that the new region does not stand out from the neighboring regions. Encouraging experimental results show the localization of artifacts is effective and the artifacts are successfully removed, while not introducing new artifacts in the color retinal images.