目的青光眼是一種可導致視力嚴重減弱甚至失明的高發(fā)眼部疾病。在眼底圖像中,視杯和視盤的檢測是青光眼臨床診斷的重要步驟之一。然而,眼底圖像普遍是灰度不均勻的,眼底結構復雜,不同結構之間的灰度重疊較多,受到血管和病變的干擾較為嚴重。這些都給視盤與視杯的分割帶來很大挑戰(zhàn)。因此,為了更準確地提取眼底圖像中的視杯和視盤區(qū)域,提出一種基于雙層水平集描述的眼底圖像視杯視盤分割方法。方法通過水平集函數(shù)的不同層級分別表示視杯輪廓和視盤輪廓,依據(jù)視杯與視盤間的位置關系建立距離約束,應用圖像的局部信息驅動活動輪廓演化,克服圖像的灰度不均勻性。根據(jù)視杯與視盤的幾何形狀特征,引入視杯與視盤形狀的先驗信息約束活動輪廓的演化,從而實現(xiàn)視杯與視盤的準確分割。結果本文使用印度Aravind眼科醫(yī)院提供的具有視杯和視盤真實輪廓注釋的CDRISHTI-GS1數(shù)據(jù)集對本文方法進行實驗驗證。該數(shù)據(jù)集主要用來驗證視杯及視盤分割方法的魯棒性和有效性。本文方法在數(shù)據(jù)集上對視杯和視盤區(qū)域進行分割,取得了67.52%的視杯平均重疊率,81.04%的視盤平均重疊率,0.719的視杯F1分數(shù)和0.845的視盤F1分數(shù),結果優(yōu)于基于COSFIR... 

【文章來源】：中國圖象圖形學報. 2020,25(06)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

眼底圖像

圖5分別展示了上述原始圖像和偏差校正眼底圖像的灰度直方圖分布,通過對兩幅灰度直方圖的比較得出,在偏差校正圖像的直方圖中存在3個分離良好的波峰,分別對應眼底圖像的背景、視杯和視盤區(qū)域。圖像的灰度得到顯著區(qū)分,從而實現(xiàn)了較好的分割效果。反之,由于偏差引起的灰度強度的重疊分布,原始圖像的灰度直方圖不具有這種良好的灰度峰值可分離特性。圖5 圖像的灰度直方圖

圖4 實驗過程圖為進一步驗證本文方法的有效性,應用Dice系數(shù)作為視杯與視盤分割方法性能的定量評價標準,將本文方法與算法1、算法2和算法3進行對比,實驗結果如表1所示。本文算法分別獲得了67.52%的視杯平均重疊率,81.04%的視盤平均重疊率,均高于其他3種算法。此外,還采用F1分數(shù)的平均值分析了上述4種方法的視杯和視盤分割結果,如表2所示。由表2可知,與其他3種方法相比,本文方法的視杯和視盤F1分數(shù)均為最高,并且視杯分割結果的F1分數(shù)標準差σF_OC和視盤分割結果的F1分數(shù)標準差σF_OD均為最小。上述實驗進一步驗證了本文方法在分割性能上優(yōu)于其他3種方法,具有更高的分割精度。


本文編號：3382334