2017, 39(8): 1956-1963.
doi: 10.11999/JEIT161290
摘要:
將機器學習運用到視網(wǎng)膜血管分割當中已成為一種趨勢,然而選取什么特征作為血管與非血管的特征仍為眾所思考的問題。該文利用將血管像素與非血管像素看作二分類的原理,提出一種混合的5D特征作為血管像素與非血管像素的表達,從而能夠簡單快速地將視網(wǎng)膜血管從背景中分割開來。其中5D特征向量包括CLAHE (Contrast Limited Adaptive Histgram Equalization),高斯匹配濾波,Hesse矩陣變換,形態(tài)學底帽變換,B-COSFIRE(Bar-selective Combination Of Shifted FIlter REsponses),通過將融合特征輸入SVM(支持向量機)分類器訓練得到所需的模型。通過在DRIVE和STARE數(shù)據(jù)庫進行實驗分析,利用Se, Sp, Acc, Ppv, Npv, F1-measure等常規(guī)評價指標來檢測分割效果,其中平均準確率分別達到0.9573和0.9575,結(jié)果顯示該融合方法比單獨使用B-COSFIRE或者其他目前所提出的融合特征方法更準確有效。