摘要:将机器学习运用到视网膜血管分割当中已成为一种趋势,然而选取什么特征作为血管与非血管的特征仍为众所思考的问题。该文利用将血管像素与非血管像素看作二分类的原理,提出一种混合的5D特征作为血管像素与非血管像素的表达,从而能够简单快速地将视网膜血管从背景中分割开来。其中5D特征向量包括CLAHE(Contrast Limited Adaptive Histgram Equalization),高斯匹配滤波,Hesse矩阵变换,形态学底帽变换,B-COSFIRE(Bar-selective Combination Of Shifted FIlter REsponses),通过将融合特征输入SVM(支持向量机)分类器训练得到所需的模型。通过在DRIVE和STARE数据库进行实验分析,利用Se,Sp,Acc,Ppv,Npv,F1-measure等常规评价指标来检测分割效果,其中平均准确率分别达到0.9573和0.9575,结果显示该融合方法比单独使用B-COSFIRE或者其他目前所提出的融合特征方法更准确有效。
关键词:机器学习 视网膜 血管分割 特征向量 支持向量机
单位:北京工业大学信息学部; 北京100124
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社