基于多特征融合的彩色眼底图像视杯分割方法

为了提高彩色眼底图像中视杯的分割精度,提出了一种基于多特征融合的彩色眼底图像视杯分割方法.首先提取感兴趣区域的血管;然后分割视盘区域,在视盘分割的基础上根据视杯的亮度特征采用模糊C均值聚类(FCM)法提取视杯候选区域,并根据视杯的形状和位置特征对候选区域依次进行镜像映射、椭圆拟合及椭圆校正,得到视杯的粗分割结果;最后利用杯沿的血管特征定位血管弯曲点,修正视杯粗分割结果,完成视杯的准确分割.对Glaucoma Repo眼底图像数据库进行测试,实验结果表明:该方法的灵敏度为87.15%,特异性为99.03%,准确率为98.12%,阳性预测值为82.03%,综合评价指标为84.51%,像素距离为18.80,具有较高的鲁棒性和有效性.