一种基于SVM的医疗图像血管识别方法

摘要

本发明公开一种基于SVM的医疗图像血管识别方法，包括：首先SVM分类器是通过专家手工分割后的样本训练出来的SVM模型对FCM自动选取的样本训练出的SVM模型进行交叉验证、优化后的结果，使分割结果更加精确；然后采用SVM分割血管，其实就是将像素点分为前景(即血管)和背景(即除血管外其他部分)两类，然后把血管部分提取出来，最后通过形态学处理以及阈值化可以达到增强血管网络、保留血管分叉以及交汇部分，最终转化为二值图像可以更直接地反映血管分布。本发明采用了FCM、SVM和形态学图像处理相结合，可使识别效果更好。

主权项

一种基于SVM的医疗图像血管识别方法，其特征在于，包括以下步骤：S1、获取眼底图像；S2、对所述眼底图像进行血管的绿色通道分量提取，得到待处理眼底图像；S3、通过FCM自动选取训练样本，提取样本颜色和纹理特征，即分别提取血管部分和非血管部分的特征，然后训练SVM模型；S4、通过专家标记后的图像训练出的SVM模型来交叉验证FCM自动选取的样本所训练的SVM模型，优化SVM参数；S5、采用优化好的SVM分类器对待处理眼底图像进行分割，即初步提取眼底图像血管；S6、对所述初步提取眼底图像血管进行形态学操作及阈值化处理，实现最终提取眼底血管。