提出了一種基于局部線結(jié)構(gòu)約束的模糊C均值(FCM)聚類眼底視網(wǎng)膜血管分割方法。通過(guò)預(yù)處理增強(qiáng)血管和背景的對(duì)比度信息,采用多尺度匹配濾波器和B-COSFIRE濾波器提取像素特征,然后采用局部線結(jié)構(gòu)約束的FCM聚類算法實(shí)現(xiàn)視網(wǎng)膜血管分割,最后通過(guò)后處理操作去除孤立的噪聲點(diǎn)。在DRIVE數(shù)據(jù)庫(kù)的實(shí)驗(yàn)結(jié)果表明,本文方法的平均準(zhǔn)確率為94.21%,平均靈敏度為67.21%,平均特異性為98.2%。與特征空間FCM方法相比,本文方法分割的血管結(jié)構(gòu)的連續(xù)性較好,提升了對(duì)細(xì)小血管檢測(cè)的靈敏度。

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖2預(yù)處理結(jié)果圖。

由于綠通道圖像中血管與背景的對(duì)比度較高,本文選取綠通道圖像作為后續(xù)操作的初始圖像;采用直徑為3pixel的圓盤(pán)結(jié)構(gòu),對(duì)綠通道圖像進(jìn)行形態(tài)學(xué)開(kāi)操作,以改善血管的中央反射現(xiàn)象;然后對(duì)形態(tài)學(xué)開(kāi)操作后的圖像采用對(duì)比度受限的直方圖均衡化CLAHE(ContrastLimitedAda....

圖1本文算法流程圖

本文算法的流程如圖1所示。首先對(duì)彩色眼底圖進(jìn)行預(yù)處理和特征提取,然后采用局部線結(jié)構(gòu)約束的FCM聚類得到血管和背景兩個(gè)聚類中心,根據(jù)像素點(diǎn)屬于這兩個(gè)聚類中心的隸屬度大小對(duì)像素點(diǎn)進(jìn)行二值化分類,最后對(duì)二值圖像進(jìn)行后處理操作,完成視網(wǎng)膜血管分割。2.1圖像預(yù)處理

圖3多尺度匹配濾波響應(yīng)圖。

在眼底圖像中,由于血管的寬度從視盤(pán)向外逐漸減小,范圍在2～10pixel不等。因此Sofka等[8]提出了一種基于多尺度的匹配濾波器,以便更好地檢測(cè)眼底圖像中不同尺度的血管。為了檢測(cè)不同方向的血管,本文在0°～180°之間以15°為間隔設(shè)置了12個(gè)不同方向的高斯匹配濾波,將這些....

圖4B-COSFIRE相關(guān)原理圖。

式中:σ是高斯函數(shù)標(biāo)準(zhǔn)差。DoG濾波器的濾波響應(yīng)沿同心圓進(jìn)行,強(qiáng)度變化大的點(diǎn)對(duì)應(yīng)響應(yīng)最大值點(diǎn),即關(guān)鍵點(diǎn)。關(guān)鍵點(diǎn)的信息用Sσi,ρi,φi表示,其中σi為濾波響應(yīng)最大時(shí)對(duì)應(yīng)的高斯函數(shù)標(biāo)準(zhǔn)差,ρi和ψi是相對(duì)于濾波器中心點(diǎn)的極坐標(biāo),通過(guò)對(duì)DoG濾波響應(yīng)進(jìn)行模糊和移位操作,提高了各點(diǎn)....

本文編號(hào)：3974218