基于分类回归树和AdaBoost的眼底图像视网膜血管分割 |
| |
引用本文: | 朱承璋,向遥,邹北骥,高旭,梁毅雄,毕佳.基于分类回归树和AdaBoost的眼底图像视网膜血管分割[J].计算机辅助设计与图形学学报,2014(3):445-451. |
| |
作者姓名: | 朱承璋 向遥 邹北骥 高旭 梁毅雄 毕佳 |
| |
摘 要: | 提出一种能有效分割眼底图像中视网膜血管的监督学习方法,为眼底图中的每个像素点构造一个包括局部特征、形态学特征和Gabor特征在内的39维特征向量,用以判定其是否为血管上的像素.在进行分类计算时,以分类回归树作为弱分类器对样本集分类,然后对AdaBoost分类器进行训练得到强分类器,并由此完成各个像素点的分类判定.基于国际公共数据库DRIVE的实验结果表明,该方法的平均精确度达到0.960 7,且敏感度和特异性均优于已有的基于监督学习的方法,适用于眼底图像的计算机辅助定量分析和疾病诊断.
|
关 键 词: | 眼底图像 视网膜血管分割 分类回归树 Adaboost |
本文献已被 CNKI 等数据库收录! |
|