Cientifica, ISSN 2594-2921, vol. 29, no. 2, July-December 2025.
DOI: 10.46842/ipn.cien.v29n2a05
Optimización adaptativa de preprocesamiento para la segmentación de la red vascular retiniana
Adaptive Preprocessing Optimization for Retinal Vascular Network Segmentation
Recibido 03-09-2025, aceptado 05-11-2025.
Resumen
La segmentación de la red vascular en imágenes de fondo de ojo es un paso importante en el diagnóstico y seguimiento de patologías oftalmológicas y sistémicas, como la retinopatía diabética (RD). Sin embargo, la fiabilidad de los métodos automatizados se ve comprometida por desafíos inherentes a las imágenes, principalmente la iluminación no uniforme, el bajo contraste y la presencia de ruido. Este trabajo propone una metodología para el procesamiento y segmentado automatizado de imágenes de fondo de ojo, abordando estos problemas mediante una estrategia de adaptación y regularización. El método inicia con la extracción del canal verde (G) para maximizar el contraste. Luego, se aplica un filtro gaussiano cuyo parámetro de suavizado (σ) es optimizado para cada imagen, balanceando la reducción de ruido y la preservación de detalles mediante la Varianza del Laplaciano (VoL) y la Energía de Alta Frecuencia Residual (HFER). Después, se implementa un filtro homomórfico para corregir la iluminación, ajustando sus parámetros con un algoritmo de Enjambre de Partículas (PSO) y utilizando la entropía de Shannon como función objetivo. Finalmente, el filtro de Frangi resalta las estructuras tubulares, seguido de una binarización controlada. El método fue validado en las bases de datos públicas DRIVE y STARE, donde la etapa de optimización homomórfica demostró un incremento consistente en la entropía de la imagen (ej., de 5.7 a 6.2 bits/píxel), mejorando el contraste. La estrategia de preprocesamiento adaptativo propuesta contribuye a mejorar la fiabilidad de la segmentación vascular y, por ende, el diagnóstico de las patologías.
Abstract
The segmentation of the vascular network in fundus images is a key step in the diagnosis and monitoring of ophthalmological and systemic pathologies, such as diabetic retinopathy (RD). However, the reliability of automated methods is challenged by inherent image issues, mainly non-uniform illumination, low contrast, and noise. This work proposes a methodology for the automated preprocessing and segmentation of fundus images, addressing these problems through an adaptation and regularization strategy. The method begins with the extraction of the green channel (G) to maximize contrast. Then, a Gaussian filter is applied, with its smoothing parameter (σ) optimized for each image by balancing noise reduction and detail preservation using the Variance of Laplacian (VoL) and High-Frequency Energy Residual (HFER). Next, a homomorphic filter is applied to correct illumination, with its parameters dynamically adjusted using a Particle Swarm Optimization (PSO) algorithm, employing Shannon entropy as the objective function. Finally, the Frangi filter is used to enhance tubular structures, followed by controlled binarization. The method was validated on the public DRIVE and STARE databases, where the homomorphic optimization stage showed a consistent increase in image entropy (e.g., from 5.7 to 6.2 bits/pixel), improving contrast. The proposed adaptive preprocessing strategy helps improve the reliability of vascular segmentation and, consequently, the diagnosis of related pathologies.
Palabras clave: segmentación de imágenes,
fondo de ojo, vasos sanguíneos, filtro homomórfico, PSO.
Index terms: image segmentation, fundus eye image,
blood vessels, homomorphic filter, PSO.
ISO 690 reference:
Bautista Coello, Evelyn Berenice;
Anzueto Ríos, Álvaro;
Sánchez Ramírez, Alma Aide,
2025,
Optimización adaptativa de preprocesamiento para la segmentación de la red vascular retiniana Científica, vol. 29, no. 2,
ISSN 2594-2921, e290205,
DOI: 10.46842/ipn.cien.v29n2a05
