基于线算子引导多尺度匹配滤波的视网膜血管分割

视网膜血管的形态分析在糖尿病、高血压等疾病的计算机辅助诊断中具有重要的意义。因此文章提出了一种基于线算子引导多尺度匹配滤波的视网膜血管分割方法。利用线算子检测到的血管方向最佳匹配角,根据血管方向与其横截面方向垂直的关系计算出高斯匹配滤波的旋转角,构建3个不同尺度的滤波器,提取3维匹配滤波特征,结合两个线算子和预处理后的图像灰度,构造6维特征向量,使用SVM对眼底图像像素进行分类。这样在每个尺度下只需计算血管方向最佳匹配角所对应的旋转角下的匹配滤波响应,降低了多尺度匹配特征提取的计算量。通过对DRIVE数据库的眼底图像进行实验,得到平均准确度、灵敏度和特异性分别为0.9424、0.7701和0.9697,对视网膜血管进行了有效的分割。     

基于匹配滤波引导局部特征空间仿射传播聚类的视网膜血管分割

视网膜血管自动分割及形态分析对眼部相关疾病的诊断和筛查具有重要意义。文章提出基于匹配滤波引导局部特征空间仿射传播聚类的视网膜血管分割方法,构造基于组合线性检测器、Hessain最大本征值、Gabor滤波和B-COSFIRE滤波四维特征,每个像素可由四维局部特征向量表示。然后采用匹配滤波引导选取样本像素点构成小样本集,在小样本集中进行局部特征空间的仿射传播聚类,得到血管类和背景类两个聚类中心。对眼底所有像素点与血管类和背景类两个聚类中心的特征空间距离采用最近邻方法进行类别划分,实现对视网膜血管的自动分类。实验数据来源于DRIVE眼底图像库,验证了本文方法对于细小血管及血管分叉和交叉处的性能有较大的提升,改善了提取血管的完整性和连续性。     

基于HESSIAN多尺度因子的视网膜血管分割方法

在医学领域,许多疾病会引起眼底视网膜血管结构和形态的变化,及时对其检测分析可起到疾病预防作用。针对视网膜血管的连续树杈状图像特征,运用对线段结构有良好检测能力的Hessian矩阵进行视网膜血管分割,然而仅使用单尺度难以分割整个血管网络。文章使用一种基于Hessian多尺度因子的分割方法,构造高斯二维核函数引入空间尺度因子,实现视网膜血管的全面分割。仿真结果表明,多尺度因子在正确分割大血管脉络的同时,对微小血管也具有较好的分割能力。     

基于Gabor小波和SVM的人脸表情识别算法

针对包含表情信息的静态图像,提出基于Gabor小波和SVM的人脸表情识别算法。根据先验知识,并使用形态学和积分投影相结合定位眉毛眼睛区域,采用模板内计算均值定位嘴巴区域,自动分割出表情子区域。对分割出的表情子区域进行Gabor小波特征提取,在利用Fisher线性判别对特征进行降维,去除冗余和相关。利用支持向量机对人脸表情进行分类。用该算法在日本表情数据库上进行测试,获得了较高的识别准确率。证明了该算法的有效性。     

基于多模型融合和区域迭代生长的视网膜血管自动分割

糖尿病视网膜病变是成年人致盲首因,视网膜血管分割是诊断糖尿病视网膜病变的基础.为提高视网膜血管分割准确性,提出一种基于多模型融合和区域迭代生长的视网膜血管自动分割算法.首先,预处理后分别构建数学形态学、匹配滤波器、尺度空间分析、多尺度线检测和神经网络模型初步分割视网膜血管,为减少噪声取五个分割结果的均值作为初步输出.其次,设计掩膜分离渗出物和视盘,将数学形态学模型分割结果替换掩膜白色区域,并融合初步输出生成组合结果.最后,考虑视网膜血管先验知识,对组合结果阈值分割和区域迭代生长后获取最终结果.实验结果表明,该算法分割DRIVE和STARE眼底图像库视网膜血管的检测精度、敏感度和特异性分别为0.9457、0.7843、0.9815以及0.9472、0.7826、0.9803,优于多数经典算法.     

基于多尺度多方向Gabor变换的Tsallis熵阈值分割方法

为了能在统一框架内处理无模态、单模态、双模态或者多模态直方图情形下的自动阈值选取问题,该文提出一种基于多尺度多方向Gabor变换的Tsallis熵阈值分割方法(MGTE)。该方法先通过Gabor变换得到多尺度乘积图像,然后利用内外轮廓图像从多尺度乘积图像中重构1维直方图,并在重构1维直方图上采用Tsallis熵计算模型来选取4个方向Tsallis熵取最大值时对应的阈值,最后对4个方向的阈值进行加权求和作为最终分割阈值。将提出的方法和5个分割方法在4幅合成图像和40幅真实世界图像上进行了实验。结果表明提出的方法虽然计算效率不占优势,但它的分割适应性和分割精度有明显的提高。     

一种新的视网膜血管网络自动分割方法

提出了一种基于脉冲耦合神经网络(PCNN)和分布式遗传算法(DGA)的视网膜血管自动分割方法.首先采用二维高斯匹配滤波器预处理以增强血管,然后采用DGA快速搜索出PCNN的最佳参数设置值并运用PCNN分割出增强图像的血管网络,最后对分割得到的血管网络结合区域连通性特征,采用面积滤波算子滤除噪声,提取出最终的血管网络.通过在国际上公开的Hoover眼底图像库中的实验,结果表明,该方法在血管分支提取和算法有效性方面明显优于Hoover算法,具有较高的临床应用价值.     

基于Gabor小波变换和PCA的人脸识别方法

基于Gabor小波在图像表征方面的优越性,阐述了将Gabor小波和主分量分析(PCA)相结合用于人脸识别的方案。对人脸图像进行Gabor小波变换,通过PCA(主分量分析)降维后,计算特征点之间的距离,最后进行人脸识别。     

一种基于改进的PCNN的视网膜血管树提取方法

根据脉冲耦合神经网络（PCNN）动态点火特性和视网膜血管网络区域结构特征,提出了一种基于改进型PCNN（IPCNN）的视网膜血管树提取方法。该方法对二维高斯匹配滤波预处理增强后的眼底图像运用IPCNN分割出增强图像的血管网络,然后对分割得到的血管网络结合区域连通性特征,采用长度滤波算子滤除噪声,提取出最终的血管树。通过...     

log Gabor函数在人类视觉系统特性研究中的应用

本文对Gabor函数与log Gabor函数进行比较。构造了log Gabor小波,从人类视觉系统认知特性的角度分析了log Gabor小波的性能,并与Gabor小波进行比较,讨论了log Gabor小波的优良性能。最后将log Gabor小波应用于图像特征检测,证明用log　Gabor小波不但可以提高特征定位精度,而且在相同检测效果的情况下,可以比Gabor小波节省大约一半的计算量。     

基于多路径输入和多尺度特征融合的视网膜血管分割

视网膜血管的形态变化,如分叉角度、扩张程度等 ,可为眼底疾病的诊断提供依据。 使用深度学习技术对视网膜病变程度进行评估成为目前研究的重点。提出了一种基于多 路径输入和多尺度特征融合的视网膜血管分割方法来解决视网膜血管分割问题。采用了 多路径输入和多特征融合的方式改进了U-Net模型,使本文的网络能够有效的解决眼底视网 膜图像的分割效果差的 问题。实验结果表明,算法在DRIVE和CHASE_DB1数据集上,敏 感性分别取得0.814和0.813,特异性 分别取得0.984和0.986,在分割准确率指标上 分别取得0.969和0.975,所提方法相较于其他方法较优。     

Retinal blood vessel segmentation using line operators and support vector classification

In the framework of computer-aided diagnosis of eye diseases, retinal vessel segmentation based on line operators is proposed. A line detector, previously used in mammography, is applied to the green channel of the retinal image. It is based on the evaluation of the average grey level along lines of fixed length passing through the target pixel at different orientations. Two segmentation methods are considered. The first uses the basic line detector whose response is thresholded to obtain unsupervised pixel classification. As a further development, we employ two orthogonal line detectors along with the grey level of the target pixel to construct a feature vector for supervised classification using a support vector machine. The effectiveness of both methods is demonstrated through receiver operating characteristic analysis on two publicly available databases of color fundus images.     

基于圆域分割耦合法则的图像篡改检测算法

为降低图像伪造算法的错误检测率和漏检测率,利用互相关函数(CCF),设计了基于圆域分割耦合最优相关法则的图像复制-粘贴篡改检测算法。引入FAST算子,计算像素点及其邻点的灰度值,准确提取图像特征点,并利用特征点对应的直方图信息求取其主方向;同时,在该方向上建立特征点的邻域圆,对该圆域进行分割,计算每个分割区域的梯度特征,获取相应的特征向量;利用互相关函数对特征点间的相关程度进行计算,构建最优相关法则,完成特征匹配。利用匹配特征点的特征向量,计算特征点间的欧氏距离,对特征点进行集群,定位复制-粘贴篡改内容,实现伪造检测。实验结果表明：相对已有的伪造检测技术,所提算法具备更高的检测准确率,且对旋转、缩放等内容修改表现出更高的鲁棒性。     

基于双字典学习的眼底图像血管分割

为辅助诊断眼底疾病和部分心血管疾病,本文提 出一种基于双字典学习和多尺度线状结构检测的眼底图 像血管分割方法。首先在HSV颜色空间利用伽马矫正均衡眼底图像的亮度,并在Lab颜色空间 采用CLAHE 算法提升图像对比度,再采用多尺度线状结构检测算法突出血管结构得到增强后的特征图像 ;然后利用 K-SVD算法训练特征图像块和对应的手绘血管标签图像块,得到表示字典和分割字典,采用 表示字典得到 新输入特征图像块的重构稀疏系数,由该系数和分割字典获得血管图像块;最后进行图像块 拼接、噪声去 除和空洞填充等后处理得到最终分割结果。在DRIVE和HRF数据库测试,利用准确率、特异度 、敏感度 等八种评估指标来检验分割性能。其中,平均准确率分别达0.958和0.951,平均特异度分别 达到0.982 和0.967,平均敏感度分别达到0.709和0.762,表明该 方法具有较好的分割性能和通用性。     

An ensemble classification-based approach applied to retinal blood vessel segmentation

This paper presents a new supervised method for segmentation of blood vessels in retinal photographs. This method uses an ensemble system of bagged and boosted decision trees and utilizes a feature vector based on the orientation analysis of gradient vector field, morphological transformation, line strength measures, and Gabor filter responses. The feature vector encodes information to handle the healthy as well as the pathological retinal image. The method is evaluated on the publicly available DRIVE and STARE databases, frequently used for this purpose and also on a new public retinal vessel reference dataset CHASE_DB1?which is a subset of retinal images of multiethnic children from the Child Heart and Health Study in England (CHASE) dataset. The performance of the ensemble system is evaluated in detail and the incurred accuracy, speed, robustness, and simplicity make the algorithm a suitable tool for automated retinal image analysis.     

Vessel boundary delineation on fundus images using graph-based approach

This paper proposes an algorithm to measure the width of retinal vessels in fundus photographs using graph-based algorithm to segment both vessel edges simultaneously. First, the simultaneous two-boundary segmentation problem is modeled as a two-slice, 3-D surface segmentation problem, which is further converted into the problem of computing a minimum closed set in a node-weighted graph. An initial segmentation is generated from a vessel probability image. We use the REVIEW database to evaluate diameter measurement performance. The algorithm is robust and estimates the vessel width with subpixel accuracy. The method is used to explore the relationship between the average vessel width and the distance from the optic disc in 600 subjects.     

Contextual information enhanced convolutional neural networks for retinal vessel segmentation in color fundus images

Accurate retinal vessel segmentation is a challenging problem in color fundus image analysis. An automatic retinal vessel segmentation system can effectively facilitate clinical diagnosis and ophthalmological research. In general, this problem suffers from various degrees of vessel thickness, perception of details, and contextual feature fusion in technique. For addressing these challenges, a deep learning based method has been proposed and several customized modules have been integrated into the well-known U-net with encoder–decoder architecture, which is widely employed in medical image segmentation. In the network structure, cascaded dilated convolutional modules have been integrated into the intermediate layers, for obtaining larger receptive field and generating denser encoded feature maps. Also, the advantages of the pyramid module with spatial continuity have been taken for multi-thickness perception, detail refinement, and contextual feature fusion. Additionally, the effectiveness of different normalization approaches has been discussed on different datasets with specific properties. Finally, sufficient comparative experiments have been enforced on three retinal vessel segmentation datasets, DRIVE, CHASE_DB1, and the STARE dataset with unhealthy samples. As a result, the proposed method outperforms the work of predecessors and achieves state-of-the-art performance.     

光学子波变换（3）：应用

本文综述了子波变换的发展概况，总结了光学子波变换的一些应用领域，重点论述了在纹理分割中的应用，提出了联合子波变换相关器及其应用于二值图象的特征提取，给出了多通道盖伯变换在纹分割中的应用设想以及初步的研究结果。     

多尺度特征融合双U型视网膜分割算法

视网膜血管形态结构是反映人体健康的重要指标 ,针对现有视网膜血管分割存在主 血管模糊、微细血管断裂和视盘误分割等问题,提出多尺度特征融合双U型视网膜分割算 法。首先,利用低层U-Net高效循环残差模块对眼底图像进行粗粒度分割,得到视网膜血 管 初步轮廓。其次,将粗分割图与原始特征图像素相乘送入高层U-Net,利用其缩放宽残差 模 块进行细粒度图像解码,丰富视网膜血管细节信息。同时利用3路径注意力机制复合性连接 双网络的编码层与解码层,实现特征映射跨网络传播,减小上下文语义差异。最后,融合双 层网络输出提取血管区域,双U 型网络能够更深层次提取血管像素,精准分割出视网膜细 节。在DRIVE与STARE数据集上进行实验,其准确率分别为96.45%和97.02%,敏感度分 别为83.35%和81.40%,特异性分别为98.38%和 98.83%,总体性能优于现有算法。