发明名称 | 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。 | ||
申请公布号 | CN102999905A | 申请公布日期 | 2013.03.27 |
申请号 | CN201210458362.6 | 申请日期 | 2012.11.15 |
申请人 | 天津工业大学 | 发明人 | 吴骏;肖志涛;耿磊;张芳;王淑芹 |
分类号 | G06T7/00(2006.01)I | 主分类号 | G06T7/00(2006.01)I |
代理机构 | 代理人 | ||
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。 | ||
地址 | 300160 天津市河东区成林道63号 |