论文部分内容阅读
青光眼是世界上第二大致盲眼病。青光眼的发生一般都伴随着视杯、视盘以及视网膜神经纤维层的改变。视杯各项参数的测量是检测青光眼的重要指标。因此视杯的准确分割对于青光眼的自动筛查、抑制病情的发展有重要的临床意义。本文提出了一种基于多特征融合的彩色眼底图像视杯分割方法。首先采用多方向高斯差分滤波器对经过增强和平滑的眼底血管进行匹配滤波,实现感兴趣区域血管的提取,为后续的视盘分割和视杯分割做准备;然后采用CV模型分割出视盘区域;接着,在视盘分割的基础上利用模糊C均值聚类(FCM)的方法提取视杯候选区域,并依据视杯的形状及位置特征对候选区域依次进行补全、边缘拟合和校正,实现视杯的粗分割;最后采用基于k-余弦曲率的角点检测方法定位血管弯曲点,修正视杯粗分割结果得到最终视杯分割结果。本文方法采用视杯外观特征和结构特征相结合的方式,使得分割更加准确。此外,通过对视杯候选区域的位置和形状校正,确保了依据血管特征对视杯粗分割结果进行修正时初始轮廓的准确性。采用无监督的方式,无需训练。通过对GlaucomaRepo眼底图像数据库进行测试,实验结果证明了本文方法的鲁棒性和有效性。