基于生成对抗网络的眼底图像生成方法

提出一种带出血病症的眼底图像生成方法，该方法可以丰富眼底图像样本，提升眼底出血检测系统的准确率。该方法用图像分割技术从现有图像中分割出血管树和出血块，利用GAN生成大量血管树和出血块，并经过预处理合并，把合并后的图片和真实眼底图片一起输入到改进的CycleGAN中，生成大量眼底图片。其中对CycleGAN进行改进：改进模型结构，引入Wassertein距离，并加入同一映射损失和感知损失。实验表明，用该方法生成图像的PSNR值比现有技术提高9.82%,SSIM值提高4.17%且收敛速度更快。把生成图像添加到出血检测系统的训练集中，系统的AUC值提升3.51%,证明该方法优于现有技术。