一种混合特征高效融合的视网膜血管分割方法

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。

融合颜色信息与特征点的镜头边界检测算法

针对新闻视频镜头检测算法在高效和准确两个方面的要求很难平衡的问题,提出了一种融合全局特征与局部特征的融合算法。首先介绍了镜头边界检测的相关理论知识。接着,分别对基于H-S颜色直方图这一全局特征,以及尺度不变特征变换(SURF)特征点这一局部特征的镜头边界识别算法进行分析,并应用于新闻视频中进行相应的步骤设定;在此基础上,将两类典型的算法融合形成一种新的镜头边界检测算法。通过构建视频镜头检测软件平台,对其有效性进行验证。实验结果表明:融合算法能够充分发挥两类算法各自的优势,使新闻视频镜头的查准率和查全率指标得到平衡,同时大幅降低程序的运行时间,提高算法的效率和准确性。最后,对该算法进一步优化的方向作了展望。