基于改进的U-Net眼底视网膜血管分割

发布时间：2022-07-02 10:48

　　针对视网膜血管图像特征信息复杂程度高,现有算法存在微血管分割较低和病理信息误分割等问题,提出一种融合Dense Net和U-Net网络的血管分割模型。首先,通过限制对比度直方图均衡化和filter滤波对图像进行血管增强处理;其次,利用局部自适应gamma提升图像亮度信息并降低伪影的干扰;再次,由多尺度形态学滤波局部增强微血管特征信息;最后,利用U型密集链接模块进行分割。该算法在DRIVE数据集上实验,其平均准确率、灵敏度和特异性分别高达96. 74%、81. 50%和98. 20%。 

【文章页数】：5 页

【参考文献】：
期刊论文
[1]基于改进卷积神经网络的视网膜血管图像分割[J]. 吴晨玥,易本顺,章云港,黄松,冯雨.  光学学报. 2018(11)
[2]改进的形态学与Otsu相结合的视网膜血管分割[J]. 汪维华,张景中,吴文渊.  计算机应用研究. 2019(07)
[3]基于PST和多尺度高斯滤波的视网膜血管的分割[J]. 蔡震震,唐鹏,胡建斌,金炜东.  计算机应用研究. 2019(06)
[4]融合形状先验的水平集眼底图像血管分割[J]. 梁礼明,黄朝林,石霏,吴健,江弘九,陈新建.  计算机学报. 2018(07)
[5]多尺度top-hat变换提取细节的对比度增强算法[J]. 刘艳莉,桂志国.  计算机工程与设计. 2014(04)
[6]图像的局部自适应Gamma校正[J]. 储清翠,王华彬,陶亮.  计算机工程与应用. 2015(07)



本文编号：3654227