視網(wǎng)膜血管自動分割能輔助診斷某些眼底疾病和系統(tǒng)性血管疾病。為了提高血管自動分割的效率,因此提出了一種線算子引導(dǎo)Gabor小波的視網(wǎng)膜血管分割方法。利用線算子檢測血管方向的最優(yōu)匹配角,將其作為Gabor小波變換的旋轉(zhuǎn)角構(gòu)建4個(gè)不同尺度的Gabor小波,并提取4維Gabor小波特征,加上兩個(gè)線強(qiáng)度和預(yù)處理后的圖像灰度,構(gòu)建7維特征向量,采用SVM進(jìn)行分類。與其他基于Gabor小波的方法相比,本方法只需計(jì)算最優(yōu)匹配角所對應(yīng)方向的Gabor小波特征,大大降低了多尺度Gabor小波特征提取的計(jì)算量,此外線算子特征與Gabor小波特征的良好互補(bǔ)性,有利于提高血管與背景的辨別度。在DRIVE眼底數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn),其平均準(zhǔn)確率、靈敏度及特異性分別為0. 936 1、0. 823 8及0. 955 4,獲得了不錯(cuò)的分割性能。 

【文章來源】：激光雜志. 2020,41(01)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 數(shù)據(jù)源
3 線算子引導(dǎo)Gabor小波的視網(wǎng)膜血管分割方法
    3.1 方法概述
    3.2 預(yù)處理
    3.3 特征提取
        3.3.1 線算子特征
        3.3.2 多尺度Gabor小波特征
    3.4 分類
        3.4.1 SVM分類器
        3.4.2 分類過程
    3.5 后處理
4 實(shí)驗(yàn)結(jié)果與對比分析
    4.1 評價(jià)指標(biāo)
    4.2 實(shí)驗(yàn)結(jié)果
    4.3 對比分析
5 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]一種混合特征高效融合的視網(wǎng)膜血管分割方法[J]. 蔡軼珩,高旭蓉,邱長炎,崔益澤.  電子與信息學(xué)報(bào). 2017(08)
[2]基于2D Gabor小波與組合線檢測算子的視網(wǎng)膜血管分割[J]. 吳奎,蔡冬梅,賈鵬,韋宏艷.  科學(xué)技術(shù)與工程. 2016(12)
[3]彩色眼底圖像視網(wǎng)膜血管分割方法研究進(jìn)展[J]. 朱承璋,鄒北驥,向遙,嚴(yán)權(quán)峰,梁毅雄,崔錦愷,劉晴.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2015(11)
[4]基于Morlet小波變換的視網(wǎng)膜血管分割[J]. 殷本俊,陳燕,李華婷,吳雯,盛斌.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2015(07)
[5]基于多尺度2D Gabor小波的視網(wǎng)膜血管自動分割[J]. 王曉紅,趙于前,廖苗,鄒北驥.  自動化學(xué)報(bào). 2015(05)
[6]支持向量機(jī)研究[J]. 崔偉東,周志華,李星.  計(jì)算機(jī)工程與應(yīng)用. 2001(01)



本文編號：3611792