基于自适应PCNN的眼底图像血管自动检测方法

摘要

本发明涉及一种基于自适应PCNN(Pulse Coupled Neural Network，PCNN)的眼底图像血管自动检测方法，该方法首先采用对比度受限的自适应直方图均衡化(Contrast LimitedAdaptive Histogram Equalization，CLAHE)和二维高斯匹配滤波对眼底图像进行处理，然后基于简化PCNN模型，使用像素的拉普拉斯能量(Energy of Laplace，EOL)作为对应PCNN神经元的链接强度值，结合最大类间方差准则对眼底图像进行分割，最后通过面积滤波得到最终的血管检测结果。本发明充分利用PCNN与以上方法相结合的优势，能够完整地、准确地检测出眼底图像的血管网络。

主权项

一种基于自适应PCNN的眼底图像血管自动检测方法，包括下列步骤：步骤1：获取一幅彩色眼底图像，提取血管和背景的对比度较高的绿色通道的眼底图像；步骤2：采用CLAHE对绿色通道的眼底图像进行增强；步骤3：对CLAHE处理结果，采用二维高斯匹配滤波进一步增强眼底血管；步骤4：用图像的CLAHE处理结果减去其经过CLAHE和二维高斯匹配滤波的结果，作为预处理后的眼底图像；步骤5：对预处理后的眼底图像，采用简化PCNN模型，结合最大类间方差准则进行眼底图像自动分割，将每个像素的EOL值作为对应PCNN神经元的链接强度值，实现了链接强度的自适应设置；步骤6：将分割结果进行反白处理；步骤7：采用面积滤波去除噪声。