RBF神经网络和阈值分割实现视网膜硬性渗出自动检测

为自动检测出眼底图像中的硬性渗出,构建眼底图像的糖尿病视网膜病变自动筛查系统,提出一种基于RBF神经网络和阈值分割的硬性渗出自动检测方法.首先,利用基于最小类内离散度的改进Otsu分割方法对眼底图像绿色通道进行粗分割获取病灶候选区域;然后,利用logistic回归对候选区域的多个特征进行选择;最后,利用候选区域的优化特征集及相应判定结果建立RBF神经网络;此外,提出采用后处理以进一步提高检测精度.利用本文方法对50幅不同颜色、不同亮度的眼底图像进行硬性渗出自动检测,得到图像水平灵敏度100％,特异性90.9％,准确率96.0％;病灶区域水平灵敏度93.9％,阳性预测值95.5％;平均每幅图像处理时间13.6 s.结果表明本文方法稳定可靠,能快速有效地自动检测出眼底图像中的硬性渗出.     

结合FCM聚类和边缘感知模型的眼底渗出物检测

眼底图像中渗出物是构成糖尿病视网膜病变(Diabetic Retinopathy,DR)的早期症状之一,提出一种结合模糊C-均值(Fuzzy C-Means,FCM)聚类和边缘感知模型的方法实现对渗出物的检测。为保证后期检测精度和效率,对眼底图像进行增强对比度和均衡亮度等预处理操作,用FCM聚类分割出渗出物候选区域,利用基于判断邻域灰度差异的边缘感知模型对候选区域进行筛选,通过移除视盘区域,从而得到真实的渗出物区域。在公开的数据集上进行实验,算法的灵敏度为86.65%,特异性为94.79%,阳性预测值为95.14%,准确度为92.09%。结果表明,该方法能够有效实现对眼底渗出物的自动检测。     

基于RBF神经网络的高效硬性渗出自动检测方法

为快速、可靠地自动检测出眼底图像中的早期糖尿病视网膜病变—硬性渗出,提出一种基于RBF神经网络的硬性渗出自动检测方法。首先,采用全局、局部相结合的基于图像直方图灰度统计分析的阈值分割法获取70幅眼底图像中的3590个病灶候选区域;然后,提取候选区域的24个特征,并利用logistic回归对其进行选择;最后,利用候选区域的10个特征及相应判定结果建立RBF神经网络;另外,提出采用后处理以进一步提高检测精度。利用该方法对50幅不同颜色、不同亮度的眼底图像进行处理并与眼科医师的判断结果相比较,得到图像水平灵敏度100%,特异性86.4%,准确率94.0%;病灶区域水平平均灵敏度93.9%,平均阳性预测值95.5%;平均每幅图像处理时间13.7s。该结果表明：基于RBF神经网络的自动检测方法能有效检测出眼底图像中的硬性渗出,且处理效率较高。     

基于SVM的眼底图像硬性渗出检测

为克服光照不均、对比度低、软性渗出干扰等给眼底图像中硬性渗出(HEs)检测带来的困难,提出一种基于支持向量机(SVM)的检测方法。首先对眼底图像进行数学形态学结合阈值方法的粗分割,得到硬性渗出的候选区域;然后在候选区域上提取特征,并在特征提取中引入调幅-调频(AM-FM)特征;接着用SVM分类出HEs和非HEs。在公开的糖尿病视网膜病变图像库DIARETDB1上进行实验,结果敏感性为91.1%,特异性为94.7%。实验表明该方法可对HEs进行可靠检测。     

基于邻域灰度值聚类的图像色彩量化

在将图像中的多种颜色或灰度量化成数目较少的颜色或灰度的过程中,存在着计算过于复杂、量化后图像偏差较大等问题,鉴于此,提出基于邻域灰度值聚类的图像色彩量化方法.首先结合邻域像素的灰度和空间信息对像素进行一维灰度化;然后采用基于像素灰度加权系数的改进模糊 均值聚类算法对像素进行聚类.分析和实验表明,该方法可以减少量化计算的复杂度,保持图像的整体层次,量化后图像偏差较小,对图像处理具有一定的实用价值.     

结合局部熵和鲁棒主成分分析的眼底图像硬性渗出物检测方法

针对眼科医生诊断眼底图像工作耗时且易出错的问题，提出一种无监督的眼底图像硬性渗出物检测方法。首先，通过形态学的背景估计方法去除血管、暗病变区域和视盘；然后，以图像亮度通道为初始图像，利用硬性渗出物在眼底图像中的局部性和稀疏性，结合局部熵和鲁棒主成分分析方法分解得到低秩矩阵和稀疏矩阵；最后，归一化稀疏矩阵得到硬性渗出物区域。实验结果显示，在e-ophtha EX和DIARETDB1公开数据库上，所提方法在病灶水平上灵敏性为91.13%和特异性为90%，在图像水平上准确率为99.03%，平均运行时间0.5 s；与支持向量机（SVM）和K-means方法相比灵敏性高且耗时少。     

基于IDA-RF眼底硬性渗出物的检测

为了准确检测眼底图像中的硬性渗出物,降低糖尿病性视网膜病变引起的失明,提出了一种基于IDA-RF的眼底硬性渗出物的检测方法。对眼底图像预处理,提取渗出物候选区域。利用[k]-means初始种群,与万有引力搜索算法相结合,改变步长更新公式,提出一种改进的蜻蜓算法（IDA）。IDA在寻优过程中对随机森林算法参数进行优化,并利用优化后的随机森林算法对渗出物候选区域分类,提取最终精确的硬性渗出物。该方法在公开的眼底图像数据库进行实验,与RF、DA-RF、GSA-RF相比,准确率达97.28%。实验表明,提出的方法能够准确检测硬性渗出物且鲁棒性能好。     

基于粒子群优化聚类的X射线煤炭纯度检测

论文研究了粒子群方法在图像聚类中的应用.根据最小类内距离和最大类间距离原则设计了粒子群方法中的适应度函数,将其与模糊聚类方法相结合.提出和实现了聚类方法对X射线煤炭图像进行纯度检测.根据X射线图像中灰度分布特点,首先对图像进行预处理,采用高斯分布函数选取包含杂质及与杂质灰度相近部分的感兴趣区域,以降低待处理数据量保证算法速度,在此基础上,采用粒子群聚类方法进行检测,并根据杂质一般为极细小的颗粒或其灰度特征检测出杂质.仿真试验表明取得了较好的效果.     

一种食管癌内镜图像识别算法

食管癌内镜检查是食管癌早期诊断的主要手段之一,计算机辅助识别可以大大提高诊断效率,但目前尚缺乏相关识别算法研究。因此,根据食管癌内镜图像的纹理特点,提出了一种食管癌内镜图像识别算法。算法首先对食管癌内镜图像进行目标区域的划分,提取出每个目标子区域的灰度共生矩阵。然后计算灰度共生矩阵的角二阶矩、对比度、逆差分矩和相关度4个特征值,并构造出描述内镜图像的特征向量。最终对特征向量进行多次迭代式聚类并根据专家规则对聚类结果进行筛选以标识出可疑病变区域。实验表明,该算法可以较为准确地筛选出可疑病变区域,算法是可行的和有效的。     

基于空间邻域加权的模糊C-均值聚类及其应用研究*

针对模糊C-均值聚类法用于图像聚类时仅利用了像素的灰度信息,而忽视空间位置信息,导致在噪声区域和边界处有误分类现象,提出一种新的基于空间邻域加权的模糊C-均值图像聚类法。首先,定义了一个空间邻域信息函数,该函数能够有力抑制噪声点,同时能够很好保留边界的特性;其次,设计了具有空间约束的样本邻域信息加权隶属度矩阵;最后,将该方法应用于人工合成图像和模拟MR脑图像的聚类。实验结果表明,该方法能够获得较好的聚类效果,同时具有较强的抑制噪声的能力。     

融合Tamura纹理特征的改进FCM脑MRI图像分割算法

针对FCM算法在分割脑MRI图像时存在噪声敏感性和初始聚类中心随机性的问题,提出一种融合图像Tamura纹理特征的改进FCM图像分割算法.首先提取图像的Tamura纹理特征,将其与灰度特征线性加权构成融合特征.然后使用模糊邻域关系计算像素点的密度,将其与距离关系结合自适应选取初始聚类中心.最后使用融合特征作为更新隶属度和聚类中心的特征约束.实验利用该方法与FCM,D-FCM,WKFCM方法对Brain Web脑MRI数据集中的图像进行分割,并在抗噪性、准确性和运行效率方面进行了比较.实验结果表明,所提算法能获取更优的初始聚类中心,在处理噪声和灰度不均匀图像上表现出更好的鲁棒性,能够快速有效地分割脑MRI图像.     

双层水平集描述眼底图像视杯视盘分割

目的 青光眼是一种可导致视力严重减弱甚至失明的高发眼部疾病。在眼底图像中,视杯和视盘的检测是青光眼临床诊断的重要步骤之一。然而,眼底图像普遍是灰度不均匀的,眼底结构复杂,不同结构之间的灰度重叠较多,受到血管和病变的干扰较为严重。这些都给视盘与视杯的分割带来很大挑战。因此,为了更准确地提取眼底图像中的视杯和视盘区域,提出一种基于双层水平集描述的眼底图像视杯视盘分割方法。方法 通过水平集函数的不同层级分别表示视杯轮廓和视盘轮廓,依据视杯与视盘间的位置关系建立距离约束,应用图像的局部信息驱动活动轮廓演化,克服图像的灰度不均匀性。根据视杯与视盘的几何形状特征,引入视杯与视盘形状的先验信息约束活动轮廓的演化,从而实现视杯与视盘的准确分割。结果 本文使用印度Aravind眼科医院提供的具有视杯和视盘真实轮廓注释的CDRISHTI-GS1数据集对本文方法进行实验验证。该数据集主要用来验证视杯及视盘分割方法的鲁棒性和有效性。本文方法在数据集上对视杯和视盘区域进行分割,取得了67.52%的视杯平均重叠率,81.04%的视盘平均重叠率,0.719的视杯F1分数和0.845的视盘F1分数,结果优于基于COSFIRE（combination of shifted filter responses）滤波模型的视杯视盘分割方法、基于先验形状约束的多相Chan-Vese（C-V）模型和基于聚类融合的水平集方法。结论 实验结果表明,本文方法能够有效克服眼底图像灰度不均匀、血管及病变区域的干扰等影响,更为准确地提取视杯与视盘区域。     

基于灰度空间特征的模糊C均值聚类图像分割

模糊C均值(FCM)聚类算法广泛用于图像的自动分割,但是该算法没有考虑像素的灰度和空间特征,对噪声十分敏感.因此提出一种改进的算法,在传统的FCM聚类的基础上,运用邻域像素的灰度相似度和聚类分布统计来构造新的隶属函数,对图像进行聚类分割.该方法不仅有效地抑制了噪声的干扰,而且把错分类的像素很容易的纠正过来.对两种类型的含噪图像的实验结果表明该方法对噪声具有很强的鲁棒性和对像素聚类的正确性.     

基于IHBMO-RF的眼底硬性渗出物检测

随着社会经济的发展, 糖尿病视网膜病变患者越来越多, 为了减少患者的致盲率, 早期诊断至关重要. 其中眼底硬性渗出物的检测是诊断的重要环节, 传统的检测方法受到主观因素的影响, 准确度不高且效率较低, 为了辅助医生进行检测, 本文提出了一种基于IHBMO-RF算法的眼底硬性渗出物的检测算法, 通过引入佳点集原理对蜂群进行初始化, 不但能保持蜂群的多样性, 而且还能加快蜂群的收敛速度, 解决了机器学习中面临的局部最优的困境. 在公开的眼底数据库DiaretDB1下进行实验显示, 本文使用的算法准确率达到了95.4%, 与现有研究对比, 取得了较好的效果, 对辅助检测眼底硬性渗出物具有一定的意义.     

蚁群模糊聚类的图像分割

蚁群算法的离散性、并行性、鲁棒性、正反馈性特点,非常适合于图像分割.但基本蚁群算法中蚂蚁运动的随机性使得算法进化速度慢且易于陷入局部最小等缺陷.提出了一种基于改进的蚁群模糊聚类的图像分割方法,给出了多种信息素的更新方式.针对算法循环次数多,计算量大的问题,综合考虑图像中像素的灰度,邻域平均灰度,梯度等特征来设置初始聚类中心进行蚁群模糊聚类.实验结果表明,该方法在图像分割中的确能够得到较好的分割结果.     

一种区域级运动目标检测方法

传统运动目标检测方法通常在像素或硬性划分的区域上实现.文中使用分水岭变换自动将图像划分成灰度一致性区域,并以一致性区域为基元进行运动目标检测.针对分水岭变换的过分割问题,在多步形态学梯度图像上进行变换.针对运动目标检测的低虚警率和高实时性要求,直接考察待检测图像中每一个一致性区域与一组背景图像中对应区域间的差异程度,设计灰度差异、颜色畸变及相邻区域间的灰度关系准则综合判断各区域是前景还是背景.该方法与流行的检测方法相比具有较低的虚警率,避免区域级检测方法中的硬性分块问题,同时又具有一定的处理速度.多个室内和室外标准图像序列的测试证明该算法的有效性.     

基于捕食者—食饵微粒群优化的二维FCM图像分割方法

传统模糊C均值聚类算法进行图像分割时仅利用了像素的灰度信息,没有考虑像素的空间邻域信息,因此抗噪性能差．为了克服传统模糊C均值聚类算法的局限性,提出了一种基于捕食者—食饵微粒群算法的二维模糊C均值聚类图像分割方法．该方法将图像的聚类分割转化为一个优化问题,根据像素的灰度信息和改进二维直方图描述的像素邻域关系特性,建立包含邻域信息的适应度函数,并利用捕食者—食饵微粒群的全局优化能力,通过迭代优化获得最优聚类中心,实现图像分割．仿真结果表明,所提算法不易陷入局部最优,抗噪能力强,聚类正确性高,分割效果好,是一种有效的图像分割算法．     

基于分水岭和改进的模糊聚类图像分割*

针对模糊C-均值聚类算法需预先给出初始聚类中心、未考虑邻城信息、计算复杂度高等缺点,提出了一种基于分水岭和改进的模糊聚类图像分割方法.该方法首先利用分水岭分割方法对原图像进行预分割,然后利用粒子群的全局寻优能力从预分割的小区域中搜索出较为准确的初始聚类中心;最后,在对小区域进行模糊聚类时,建立了包含邻域信息的聚类目标函...     

利用灰度变化识别玻璃瓶气泡的实验研究

介绍一种利用灰度图像识别玻璃瓶气泡的方法.经理论分析和图像数据观察,在透射平行光下,当玻璃瓶存在气泡时,气泡位置会出现一定面积的暗域图像,且紧邻该暗域图像存在光线聚集的亮域图像,利用该现象可以进行气泡识别.利用聚类分析方法,选择灰度信息和几何尺度作为聚类特征可将图像数据区分为背景、暗域、亮域三类,如果紧邻的暗亮聚类达到预定规模,则可识别该区域为气泡.经测试该方法可准确识别气泡.     

融合模糊聚类的蚁群图像增强算法

为提高边缘检测精准度,保证图片分割后效率和效果,本文提出一种基于融合模糊聚类的蚁群图像增强算法。该算法利用分量灰度值、灰度梯度值和领域特征值进行图像特征提取,得到特征灰度图;然后使用模糊聚类算法对区域蚂蚁进行聚类以提高收敛速度;再采用蚁群算法进行图像边缘检测,检测过程中,使用路径选择策略对蚁群进行有序搜索,提高搜索效率,又根据信息素更新策略进行最优路径信息交流,以达到边缘点提取与检索目的;最后将检索所得灰度边缘图与原图进行重合,得到图像增强效果。实验结果表明,该改进算法在检索时间方面相较于传统蚁群算法提高了20.7%;在精度方面提高了14.8%,图片分割效果更好,纹理更清晰。