基于多尺度匹配滤波和集成学习的眼底图像微脉瘤检测

针对微脉瘤的灰度分布特性,提出一种新的微脉瘤检测算法。首先通过多尺度匹配滤波筛选出候选微脉瘤病变点,并作为种子点利用区域生长技术分割出病变区域;然后提取病变区域特征向量;最终采用Adaboost神经网络集成分类器检测真实的微脉瘤病变。在公开的ROC数据集测试表明,所提方法检测的平均正确率达到40.92%,优于以往的双环滤波和形态学方法。

基于背景估计和血管提取眼底图像微脉瘤检测

提出了一种基于背景估计建模和精细血管提取的微脉瘤检测方法。候选微脉瘤对象由背景估计和Mahalanobis距离进行定位,非血管抑制算子结合多尺度和多滞后阈值技术实现精细的血管结构提取,经过形状分析和双环滤波处理后,非微脉瘤像素点被去除。实验结果表明,本文方法性能优于或逼近于其它同类方法,而且能够极大提高邻近血管的微脉瘤检测精度。

基于局部血管结构特征的眼底图像二级配准

提出了一种结合全局配准和局部配准技术的眼底图像二级配准算法,该算法采用4个相连的分叉点组成的局部血管结构来代替单独的分叉点作为配准特征,通过减少配对点集,提高了配准效率.同时针对非线性形变造成的局部配准偏移较大的问题,在全局配准基础上进一步采用局部配准技术,提升了配准的准确度.实验结果表明,该算法以很高的配准效率和准确度有效实现了眼底图像的配准.

基于线扫描分析的点状目标检测和分割

根据点状目标在图像空间呈现的局部峰值或极小值区域一般具有全向对称和高斯分布特性,提出一种新颖的旋转线扫描算子对点目标的截面进行特征分析,并结合局部峰值分析和梯度信息,实现点目标的检测与分割。实验结果表明,本文算法对点目标外观如大小、局部的对比度和灰度变化具有良好的适应性;在手机隔板砂粒检测中,算法检测准确率达到0.993;而在视网膜眼底图像微脉瘤病变检测中,在可临床接受的误判率(1.08FP/image)前提下,检测准确率为0.42。大量实际图像测试表明,本文算法具有良好的检测性能和鲁棒性,并且节约资源和时间成本。