【摘要】：眼底圖像視盤定位是視盤分割的重要前提.針對視盤定位結果易受圖像對比度的影響的問題,提出一種基于置信度計算的快速視盤定位方法.首先采用基于形態(tài)學變換的方法增強眼底圖像中視盤、血管區(qū)域與圖像背景的對比度,并根據(jù)圖像增強結果中像素點的亮度特征初始定位視盤區(qū)域;然后運用局部滑動窗口掃描的方法,根據(jù)窗口內像素點亮度特征和其周圍血管分布的特性計算候選區(qū)域的置信度,定位視盤區(qū)域.在不同的眼底圖像公共數(shù)據(jù)上進行實驗的結果表明,對于1 341幅眼底圖像,該方法能準確地定位其中1 325幅圖像的視盤區(qū)域,視盤定位準確率為98.8%,平均每幅圖像耗時0.25 s,優(yōu)于現(xiàn)有的視盤定位方法,適用于眼底疾病的計算機輔助診斷.
[Abstract]:The location of visual disc in fundus image is an important premise of disc segmentation. Aiming at the problem that the result of disk localization is easily influenced by image contrast, this paper presents a fast method based on confidence degree calculation. Firstly, the contrast of visual disc, vascular region and image background in the fundus image is enhanced based on morphological transformation, and the initial location of the disc region is based on the luminance characteristics of pixels in the image enhancement result. Then using the method of local sliding window scanning, the confidence degree of candidate region is calculated according to the luminance characteristics of pixels and the distribution of blood vessels around the window, and the optical disk area is located. The experimental results on common data of different fundus images show that the method can accurately locate the optical disk region of 1,325 of the 1,341 fundus images. The accuracy of disc localization is 98.8, and the average time of each image is 0.25 s, which is superior to the existing method of optical disk localization and is suitable for computer-aided diagnosis of ocular fundus diseases.
【作者單位】： 中南大學信息科學與工程學院;有色金屬工業(yè)信息化與自動化工程技術研究中心;中南大學湘雅二醫(yī)院眼科;
【基金】：國家自然科學基金(61573380,61562029,61672542)
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 張同光;;數(shù)字眼底圖像分析輔助診斷研究[J];軟件導刊;2013年07期

2 劉杰;;基于分量提取的眼底圖像預處理研究[J];中州大學學報;2010年03期

3 張東波;易瑤;趙圓圓;;基于投影的視網(wǎng)膜眼底圖像視盤檢測方法[J];中國生物醫(yī)學工程學報;2013年04期

4 閆云娟,陳圣滔,馮大一;計算機圖像處理技術在眼底圖像中的應用[J];太原師范學院學報(自然科學版);2003年03期

5 化莉;沈建新;;基于一種模糊邏輯算法的眼底圖像增強[J];中國制造業(yè)信息化;2010年03期

6 余輪;魏麗芳;潘林;;眼底圖像配準技術研究進展[J];生物醫(yī)學工程學雜志;2011年05期

7 魏麗芳;潘林;余輪;;一種病變眼底圖像的配準方法[J];中國生物醫(yī)學工程學報;2011年04期

8 陳驥;彭承琳;;眼底圖像的三維重建[J];生物醫(yī)學工程學雜志;2008年01期

9 顧晶龍;沈建新;;基于粗糙集與小波反銳化掩模的眼底圖像增強[J];中國制造業(yè)信息化;2009年21期

10 魏麗芳;董恒;潘林;余輪;;基于特征的眼底圖像配準方法[J];計算機仿真;2011年11期

相關會議論文 前2條

1 王子亮;潘林;余輪;;基于矢量方法的眼底圖像預處理[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

2 曹米莎;程建新;陳昱昆;龐博;王劍鋒;詹增榮;鄺健;周少博;李輝;梁納;袁永剛;盧毓敏;陳悅玲;;眼底圖像檢驗系統(tǒng)對眼底的臨床觀察與研究[A];“廣東省光學學會2013年學術交流大會”暨“粵港臺光學界產(chǎn)學研合作交流大會”會議手冊論文集[C];2013年

相關博士學位論文 前5條

1 高瑋瑋;眼底圖像分割算法及應用研究[D];南京航空航天大學;2013年

2 李居朋;眼底圖像處理與分析中一些關鍵問題的研究[D];北京交通大學;2009年

3 韓松濤;眼底圖像的血管特征分析[D];吉林大學;2010年

4 姚暢;眼底圖像分割方法的研究及其應用[D];北京交通大學;2009年

5 李鵬飛;眼底圖像實時處理與液晶自適應系統(tǒng)控制研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2010年

相關碩士學位論文 前10條

1 于婷;眼底圖像視神經(jīng)盤和滲出物自動分割算法研究[D];蘭州大學;2015年

2 鄭姍;主動輪廓模型及其在眼底圖像分割中的應用[D];沈陽理工大學;2015年

3 于甜甜;基于自適應盲解卷積的眼底圖像復原[D];山東農(nóng)業(yè)大學;2015年

4 于揮;眼底圖像中病變的檢測方法研究[D];蘭州交通大學;2015年

5 趙麒然;基于改進參數(shù)核圖割的OCT眼底圖像分割方法研究[D];吉林大學;2016年

6 潘燕紅;基于監(jiān)督分類的糖尿病視網(wǎng)膜病變檢測方法的研究[D];福州大學;2014年

7 李敏;眼底圖像血管三維重建方法研究[D];天津工業(yè)大學;2016年

8 邵一婷;彩色眼底圖像視盤自動檢測方法研究[D];天津工業(yè)大學;2016年

9 祝婉;多模眼底圖像配準方法研究[D];天津工業(yè)大學;2016年

10 崔寧;彩色眼底圖像血管參數(shù)測量方法研究[D];天津工業(yè)大學;2016年

，

本文編號：2205335