10.3969/j.issn.0258-8021.2017.06.003
基于形态特征和k均值聚类的黄斑检测与定位
彩色眼底图像已经广泛地应用于眼科相关疾病的辅助诊断和筛查.眼底图像中的黄斑区域检测和中心定位是眼科疾病分级、诊疗的重要步骤.提出一种有效检测与定位黄斑的方法,通过分析黄斑的低亮度和趋于圆形的形态特征,可以不依赖视盘和血管信息,在二值化眼底图像中实现黄斑检测,确定黄斑区域.改进k均值聚类方法,引入图像的空间信息,优化聚类对象,获取黄斑的边缘信息,实现黄斑中心的有效定位.在公开的眼底图像数据库上验证方法的性能,具有较高的准确率.对正常和存在病变的眼底图像的黄斑中心有效定位,可达到96.11%和92.12%,平均准确率达到93.92%.实验表明,提出的基于形态特征和k均值聚类的黄斑检测与定位方法简单、高效,对眼科疾病的计算机辅助诊断有实用价值.
黄斑检测、黄斑定位、形态特征、k均值聚类
36
R318(医用一般科学)
福建省中青年教师教育科研项目JAT160398;福建省高校自然基金青年重点项目JZ160467;福州市科技计划项目2016-S-116
2018-01-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
654-660