Image Stitching Baseado em Bifurcações Vasculares Aplicado a Retinografias de Baixa Resolução

• Guilherme G. S. Nunes UFMA
• João D. S. Almeida UFMA
• Darlan B. P. Quitanilha UFMA
• António Cunha Universidade de Trás-os-Montes e Alto Douro

DOI: https://doi.org/10.5753/sbcas.2025.7312

Resumo

O image stitching é uma técnica que permite combinar múltiplas imagens, formando uma imagem única com um campo de visão amplo. No contexto da retinografia, essa técnica é crucial para capturar uma visão detalhada da retina, permitindo que exames mais amplos sejam realizados. Neste trabalho, é apresentado um método de costura de imagens de baixa resolução, utilizando pontos de bifurcação como características da imagem. O método proposto apresenta um aumento das correspondências obtidas em relação aos detectores da literatura, obtendo o resultado de RMSE com uma redução de aproximadamente 14% em comparação ao SIFT (24,29) e ORB (24,32). Além disso, o método proposto obteve um PSNR médio superior, atingindo 26,27 para imagens de glaucoma, 26,72 para imagens normais e 26,71 para imagens de pacientes suspeitos, enquanto os métodos baseados em SIFT e ORB apresentaram valores inferiores, confirmando a eficácia da abordagem proposta.

Referências

Abu-Ain, W., Abdullah, S. N. H. S., Bataineh, B., Abu-Ain, T., and Omar, K. (2013). Skeletonization algorithm for binary images. Procedia Technology, 11:704–709.

Agarwal, S. et al. (2022). Detection and mosaicing techniques for low-quality retinal videos. MDPI Sensors, 22(5):2059.

Burt, P. J. and Adelson, E. H. (1983). A multiresolution spline with application to image mosaics. ACM Transactions on Graphics (TOG), 2(4):217–236.

Costa, E. d. P. F., Gomes, T. M., Mendes, T. A., Campos, M. A. G., Bertrand, R. H. C., and Pinto, L. M. (2019). Perfil epidemiológico e prognóstico visual do trauma ocular em um centro de referência da região nordeste do brasil. Rev Bras Oftalmol., 78(5):310–314.

Feng, X., Cai, G., Gou, X., Yun, Z., Wang, W., and Yang, W. (2020). Retinal mosaicking with vascular bifurcations detected on vessel mask by a convolutional network. healthcare engineering.

Fischler, M. A. and Bolles, R. C. (1981). Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM, 24(6):381–395.

Fonseca, P., Araújo, A., Almeida, J., and Júnior, G. B. (2022). Treinando rede neural profunda com divisão proporcional de imagens para segmentação de estruturas da retina. In Anais do XXII Simpósio Brasileiro de Computação Aplicada à Saúde, pages 1–12, Porto Alegre, RS, Brasil. SBC.

Gonzalez, R. C. (2009). Digital image processing. Pearson education india.

Hu, R., Chalakkal, R. J., Linde, G., and Dhupia, J. S. (2022). Multi-image stitching for smartphone-based retinal fundus stitching. In 2022 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM), pages 179–184.

Jalili, J., Hejazi, S. M., Riazi-Esfahani, M., Eliasi, A., Ebrahimi, M., Seydi, M., Fard, M. A., and Ahmadian, A. (2020). Retinal image mosaicking using scale-invariant feature transformation feature descriptors and Voronoi diagram. Journal of Medical Imaging, 7(4):044001.

Jocher, G. (2023). Yolov8: State-of-the-art object detection. Acesso em: 17 fev. 2025.

Köhler, T., Heinrich, A., Maier, A., Hornegger, J., and Tornow, R. P. (2016). Super-resolved retinal image mosaicing. In 2016 IEEE 13th International Symposium on Biomedical Imaging (ISBI), pages 1063–1067. IEEE.

Ronneberger, O., Fischer, P., and Brox, T. (2015). U-net: Convolutional networks for biomedical image segmentation. In International Conference on Medical image computing and computer-assisted intervention, pages 234–241. Springer.

Russo, A., Morescalchi, F., Costagliola, C., Delcassi, L., Semeraro, F., et al. (2015). A novel device to exploit the smartphone camera for fundus photography. Journal of ophthalmology, 2015.

Santos, L., Almeida, M., Almeida, J., Braz, G., Camara, J., and Cunha, A. (2024). Image stitching of low-resolution retinography using fundus blur filter and homography convolutional neural network. Information, 15(10).

Sarkar, A. (2021). Retinal-vessel-segmentation-using-variants-of-unet.

Wu, Y., Szymanska, M., Hu, Y., Fazal, M. I., Jiang, N., Yetisen, A. K., and Cordeiro, M. F. (2022). Measures of disease activity in glaucoma. Biosensors and Bioelectronics, 196:113700.