基于局部线结构约束的FCM聚类视网膜血管分割

发布时间：2024-05-15 21:08

　　提出了一种基于局部线结构约束的模糊C均值(FCM)聚类眼底视网膜血管分割方法。通过预处理增强血管和背景的对比度信息,采用多尺度匹配滤波器和B-COSFIRE滤波器提取像素特征,然后采用局部线结构约束的FCM聚类算法实现视网膜血管分割,最后通过后处理操作去除孤立的噪声点。在DRIVE数据库的实验结果表明,本文方法的平均准确率为94.21%,平均灵敏度为67.21%,平均特异性为98.2%。与特征空间FCM方法相比,本文方法分割的血管结构的连续性较好,提升了对细小血管检测的灵敏度。

【文章页数】：10 页

【部分图文】：

图2预处理结果图。

由于绿通道图像中血管与背景的对比度较高,本文选取绿通道图像作为后续操作的初始图像;采用直径为3pixel的圆盘结构,对绿通道图像进行形态学开操作,以改善血管的中央反射现象;然后对形态学开操作后的图像采用对比度受限的直方图均衡化CLAHE(ContrastLimitedAda....

图1本文算法流程图

本文算法的流程如图1所示。首先对彩色眼底图进行预处理和特征提取,然后采用局部线结构约束的FCM聚类得到血管和背景两个聚类中心,根据像素点属于这两个聚类中心的隶属度大小对像素点进行二值化分类,最后对二值图像进行后处理操作,完成视网膜血管分割。2.1图像预处理

图3多尺度匹配滤波响应图。

在眼底图像中,由于血管的宽度从视盘向外逐渐减小,范围在2～10pixel不等。因此Sofka等[8]提出了一种基于多尺度的匹配滤波器,以便更好地检测眼底图像中不同尺度的血管。为了检测不同方向的血管,本文在0°～180°之间以15°为间隔设置了12个不同方向的高斯匹配滤波,将这些....

图4B-COSFIRE相关原理图。

式中:σ是高斯函数标准差。DoG滤波器的滤波响应沿同心圆进行,强度变化大的点对应响应最大值点,即关键点。关键点的信息用Sσi,ρi,φi表示,其中σi为滤波响应最大时对应的高斯函数标准差,ρi和ψi是相对于滤波器中心点的极坐标,通过对DoG滤波响应进行模糊和移位操作,提高了各点....

本文编号：3974218