發(fā)布時(shí)間：2018-08-26 15:33

【摘要】：眼底圖像視盤定位是視盤分割的重要前提.針對(duì)視盤定位結(jié)果易受圖像對(duì)比度的影響的問題,提出一種基于置信度計(jì)算的快速視盤定位方法.首先采用基于形態(tài)學(xué)變換的方法增強(qiáng)眼底圖像中視盤、血管區(qū)域與圖像背景的對(duì)比度,并根據(jù)圖像增強(qiáng)結(jié)果中像素點(diǎn)的亮度特征初始定位視盤區(qū)域;然后運(yùn)用局部滑動(dòng)窗口掃描的方法,根據(jù)窗口內(nèi)像素點(diǎn)亮度特征和其周圍血管分布的特性計(jì)算候選區(qū)域的置信度,定位視盤區(qū)域.在不同的眼底圖像公共數(shù)據(jù)上進(jìn)行實(shí)驗(yàn)的結(jié)果表明,對(duì)于1 341幅眼底圖像,該方法能準(zhǔn)確地定位其中1 325幅圖像的視盤區(qū)域,視盤定位準(zhǔn)確率為98.8%,平均每幅圖像耗時(shí)0.25 s,優(yōu)于現(xiàn)有的視盤定位方法,適用于眼底疾病的計(jì)算機(jī)輔助診斷.
[Abstract]:The location of visual disc in fundus image is an important premise of disc segmentation. Aiming at the problem that the result of disk localization is easily influenced by image contrast, this paper presents a fast method based on confidence degree calculation. Firstly, the contrast of visual disc, vascular region and image background in the fundus image is enhanced based on morphological transformation, and the initial location of the disc region is based on the luminance characteristics of pixels in the image enhancement result. Then using the method of local sliding window scanning, the confidence degree of candidate region is calculated according to the luminance characteristics of pixels and the distribution of blood vessels around the window, and the optical disk area is located. The experimental results on common data of different fundus images show that the method can accurately locate the optical disk region of 1,325 of the 1,341 fundus images. The accuracy of disc localization is 98.8, and the average time of each image is 0.25 s, which is superior to the existing method of optical disk localization and is suitable for computer-aided diagnosis of ocular fundus diseases.
【作者單位】： 中南大學(xué)信息科學(xué)與工程學(xué)院;有色金屬工業(yè)信息化與自動(dòng)化工程技術(shù)研究中心;中南大學(xué)湘雅二醫(yī)院眼科;
【基金】：國(guó)家自然科學(xué)基金(61573380,61562029,61672542)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張同光;;數(shù)字眼底圖像分析輔助診斷研究[J];軟件導(dǎo)刊;2013年07期

2 劉杰;;基于分量提取的眼底圖像預(yù)處理研究[J];中州大學(xué)學(xué)報(bào);2010年03期

3 張東波;易瑤;趙圓圓;;基于投影的視網(wǎng)膜眼底圖像視盤檢測(cè)方法[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2013年04期

4 閆云娟,陳圣滔,馮大一;計(jì)算機(jī)圖像處理技術(shù)在眼底圖像中的應(yīng)用[J];太原師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年03期

5 化莉;沈建新;;基于一種模糊邏輯算法的眼底圖像增強(qiáng)[J];中國(guó)制造業(yè)信息化;2010年03期

6 余輪;魏麗芳;潘林;;眼底圖像配準(zhǔn)技術(shù)研究進(jìn)展[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年05期

7 魏麗芳;潘林;余輪;;一種病變眼底圖像的配準(zhǔn)方法[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2011年04期

8 陳驥;彭承琳;;眼底圖像的三維重建[J];生物醫(yī)學(xué)工程學(xué)雜志;2008年01期

9 顧晶龍;沈建新;;基于粗糙集與小波反銳化掩模的眼底圖像增強(qiáng)[J];中國(guó)制造業(yè)信息化;2009年21期

10 魏麗芳;董恒;潘林;余輪;;基于特征的眼底圖像配準(zhǔn)方法[J];計(jì)算機(jī)仿真;2011年11期

相關(guān)會(huì)議論文 前2條

1 王子亮;潘林;余輪;;基于矢量方法的眼底圖像預(yù)處理[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

2 曹米莎;程建新;陳昱昆;龐博;王劍鋒;詹增榮;鄺健;周少博;李輝;梁納;袁永剛;盧毓敏;陳悅玲;;眼底圖像檢驗(yàn)系統(tǒng)對(duì)眼底的臨床觀察與研究[A];“廣東省光學(xué)學(xué)會(huì)2013年學(xué)術(shù)交流大會(huì)”暨“粵港臺(tái)光學(xué)界產(chǎn)學(xué)研合作交流大會(huì)”會(huì)議手冊(cè)論文集[C];2013年

相關(guān)博士學(xué)位論文 前5條

1 高瑋瑋;眼底圖像分割算法及應(yīng)用研究[D];南京航空航天大學(xué);2013年

2 李居朋;眼底圖像處理與分析中一些關(guān)鍵問題的研究[D];北京交通大學(xué);2009年

3 韓松濤;眼底圖像的血管特征分析[D];吉林大學(xué);2010年

4 姚暢;眼底圖像分割方法的研究及其應(yīng)用[D];北京交通大學(xué);2009年

5 李鵬飛;眼底圖像實(shí)時(shí)處理與液晶自適應(yīng)系統(tǒng)控制研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2010年

相關(guān)碩士學(xué)位論文 前10條

1 于婷;眼底圖像視神經(jīng)盤和滲出物自動(dòng)分割算法研究[D];蘭州大學(xué);2015年

2 鄭姍;主動(dòng)輪廓模型及其在眼底圖像分割中的應(yīng)用[D];沈陽理工大學(xué);2015年

3 于甜甜;基于自適應(yīng)盲解卷積的眼底圖像復(fù)原[D];山東農(nóng)業(yè)大學(xué);2015年

4 于揮;眼底圖像中病變的檢測(cè)方法研究[D];蘭州交通大學(xué);2015年

5 趙麒然;基于改進(jìn)參數(shù)核圖割的OCT眼底圖像分割方法研究[D];吉林大學(xué);2016年

6 潘燕紅;基于監(jiān)督分類的糖尿病視網(wǎng)膜病變檢測(cè)方法的研究[D];福州大學(xué);2014年

7 李敏;眼底圖像血管三維重建方法研究[D];天津工業(yè)大學(xué);2016年

8 邵一婷;彩色眼底圖像視盤自動(dòng)檢測(cè)方法研究[D];天津工業(yè)大學(xué);2016年

9 祝婉;多模眼底圖像配準(zhǔn)方法研究[D];天津工業(yè)大學(xué);2016年

10 崔寧;彩色眼底圖像血管參數(shù)測(cè)量方法研究[D];天津工業(yè)大學(xué);2016年

，

本文編號(hào)：2205335