基于锐度感知最小化与多色域双级融合的视网膜图片质量分级

摘要：

针对视网膜图片质量差异性大,质量分级模型泛化性能不足的问题,提出了一种基于锐度感知最小化的多色域双级融合算法,用于视网膜图片质量的分级预测.首先,采用ResNeSt网络对RGB(red,green,blue)、HSV(色相hue、饱和度saturation、亮度value)和LAB(L表示像素的亮度、A表示从红色到绿色的范围、B表示从黄色到蓝色的范围)3种色域空间进行特征提取.其次,使用网络的特征输出与预测输出进行双级融合,丰富视网膜图片的特征表示.然后,使用锐度感知最小化对视网膜图片质量分级模型进行优化,提高质量分级模型的泛化性能.最后,在EyeQ数据集上进行实验仿真,其准确率为87.35％、精确度为85.87％、敏感度为85.07％、F值为85.44％,所提算法能有效区分视网膜图片的质量等级并提高模型的泛化性能.

关键词：图片质量分级、锐度感知最小化、ResNeSt网络、多色域空间、双级融合

所属期刊栏目：22

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江西省自然科学基金;江西省教育厅科学技术研究重点项目

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：14289-14297