本文選題：視網膜圖像處理　切入點：血管分割　出處：《光學精密工程》2017年03期

【摘要】：針對眼底圖像中血管與背景間對比度低以及血管自身結構復雜等因素對視網膜血管分割所帶來的問題,本文提出了一種具有自適應連接值的脈沖耦合神經網絡(PCNN)與高斯匹配濾波器相結合的視網膜血管分割方法。首先,利用對比度受限制的自適應直方圖均衡化(CLAHE)技術與二維高斯匹配濾波器對血管區(qū)域的對比度進行有效增強。然后,利用經驗閾值選擇出一定的血管區(qū)域作為初始種子區(qū)域。接著,將帶有快速連接機制的PCNN與種子區(qū)域增長思想相結合,通過自適應動態(tài)設置PCNN中的連接強度系數(shù)和停止條件,實現(xiàn)眼底圖像中血管區(qū)域的自動生長。整個算法在DRIVE視網膜圖像庫中進行了測試,實驗結果表明,相比于不使用動態(tài)連接強度系數(shù)與停止條件的方法,所提出算法的靈敏度從49.79%提高至70.39%,準確度從95%提高到95.39%。證明了該算法具有較好的分割精確度和應用價值。
[Abstract]:Aiming at the problem of retinal vascular segmentation caused by low contrast between blood vessel and background in fundus image and complex structure of blood vessel itself, In this paper, a pulse coupled neural network with adaptive connection value (PCNN) and Gao Si matched filter are proposed to segment retinal blood vessels. The contrast-limited adaptive histogram equalization technique and two-dimensional Gao Si matched filter are used to effectively enhance the contrast of vascular region. A certain vascular region is selected as the initial seed area by using empirical threshold. Then, the PCNN with fast connection mechanism is combined with the seed region growth idea, and the connection strength coefficient and stopping condition in PCNN are set dynamically and adaptively. The whole algorithm is tested in the DRIVE retinal image library. The experimental results show that compared with the method without dynamic connection strength coefficient and stop condition, The sensitivity and accuracy of the proposed algorithm are improved from 49.79% to 70.39% and 95% to 95.39% respectively. It is proved that the algorithm has good segmentation accuracy and application value.
【作者單位】： 三峽大學計算機與信息學院;湖北省水電工程智能視覺監(jiān)測重點實驗室(三峽大學);
【基金】：國家自然科學基金資助項目(No.61402259,No.U1401252) 湖北省自然科學基金創(chuàng)新群體計劃項目(No.2015CFA025) 三峽大學2016年碩士學位論文培優(yōu)基金資助項目(No.2016PY050)
【分類號】：R770.4;TP183;TP391.41

【相似文獻】

相關期刊論文 前2條

1 李旭光;;QRS波新型檢測電路的研制[J];醫(yī)療器械;1986年04期

2 ;[J];;年期

相關會議論文 前8條

1 張會林;簡獻忠;;光電混合目標識別系統(tǒng)中振幅補償匹配濾波器設計[A];2005年中國光學學會全息與光學信息處理專業(yè)委員會年會暨建會20周年紀念會[C];2005年

2 馮升同;王大勇;江竹青;陶世荃;劉漢承;;多重體全息匹配濾波器旋轉不變相關識別[A];2005年中國光學學會全息與光學信息處理專業(yè)委員會年會暨建會20周年紀念會[C];2005年

3 劉文耀;董世洪;張以謨;李豫華;劉錫久;姜泓;;集成光學相關器及匹配濾波器的優(yōu)化設計[A];面向21世紀的科技進步與社會經濟發(fā)展（上冊）[C];1999年

4 何慶;游慶瑜;索智群;喬東海;;用于水聲釋放的數(shù)字匹配濾波器及其FPGA實現(xiàn)[A];泛在信息社會中的聲學——中國聲學學會2010年全國會員代表大會暨學術會議論文集[C];2010年

5 孫永剛;張永學;;差分相干在部分匹配濾波器與FFT快速捕獲結構中的應用[A];第二屆中國衛(wèi)星導航學術年會電子文集[C];2011年

6 魏玲;王玉良;;擴頻通信中匹配濾波器及其多路復用的設計與實現(xiàn)[A];2006北京地區(qū)高校研究生學術交流會——通信與信息技術會議論文集（上）[C];2006年

7 王平波;蔡志明;;帶高斯化預處理的匹配濾波研究[A];2008年全國聲學學術會議論文集[C];2008年

8 丁瑞新;陳勵軍;;沉底目標檢測及數(shù)據(jù)處理[A];中國聲學學會2007年青年學術會議論文集（下）[C];2007年

相關博士學位論文 前2條

1 高志峰;基于匹配濾波器組理論的參數(shù)估計迭代方法研究[D];哈爾濱工業(yè)大學;2015年

2 楊媛;神經元MOS及其應用電路的研究[D];西安理工大學;2004年

相關碩士學位論文 前10條

1 楊利容;射頻無源匹配濾波器的優(yōu)化設計[D];大連海事大學;2006年

2 吳偉;光學相關模式識別中匹配濾波器的設計研究[D];國防科學技術大學;2008年

3 周青云;相位匹配濾波器在面波檢測中的應用[D];西安電子科技大學;2006年

4 孫鵬;匹配濾波器和正交可變擴頻因子的研究及實現(xiàn)[D];大連理工大學;2006年

5 郭興陽;基于FPGA的匹配濾波器的優(yōu)化設計與實現(xiàn)[D];西安電子科技大學;2011年

6 譚諍;基于神經元MOS的直擴匹配濾波器結構優(yōu)化[D];西安理工大學;2005年

7 孫俏慧;一種空地測控系統(tǒng)的設計與實現(xiàn)[D];西安電子科技大學;2010年

8 王飛;數(shù)字匹配濾波器的研究[D];哈爾濱工程大學;2009年

9 李錦煊;神經元MOS電路在通信系統(tǒng)中的應用研究[D];浙江大學;2010年

10 袁昱;基于匹配濾波器與FFT的擴頻碼快速捕獲算法研究[D];哈爾濱工業(yè)大學;2013年

，

本文編號：1690508