一种混合特征高效融合的视网膜血管分割方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：将机器学习运用到视网膜血管分割当中已成为一种趋势,然而选取什么特征作为血管与非血管的特征仍为众所思考的问题。该文利用将血管像素与非血管像素看作二分类的原理,提出一种混合的5D特征作为血管像素与非血管像素的表达,从而能够简单快速地将视网膜血管从背景中分割开来。其中5D特征向量包括CLAHE（Contrast Limited Adaptive Histgram Equalization）,高斯匹配滤波,Hesse矩阵变换,形态学底帽变换,B-COSFIRE（Bar-selective Combination Of Shifted FIlter REsponses）,通过将融合特征输入SVM（支持向量机）分类器训练得到所需的模型。通过在DRIVE和STARE数据库进行实验分析,利用Se,Sp,Acc,Ppv,Npv,F1-measure等常规评价指标来检测分割效果,其中平均准确率分别达到0.9573和0.9575,结果显示该融合方法比单独使用B-COSFIRE或者其他目前所提出的融合特征方法更准确有效。

原文链接:http://www.cqvip.com//QK/91130A/201708/672794755.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：视网膜 Equalization combination Responses Selective 机器学习 视网膜 血管分割 特征向量 支持向量机