基于背景估计和SVM分类器的眼底图像硬性渗出物检测方法

摘要

硬性渗出物是糖尿病视网膜病变(DR)的早期病症,是糖尿病性黄斑水肿的最主要表现,因此对硬性渗出物的准确检测具有重要的临床意义.提出一种基于背景估计和SVM分类器的眼底图像硬性渗出物检测方法.首先通过背景估计,得到包含亮目标的前景图;然后利用基于Kirsch算子的边缘信息确定硬性渗出物的候选区域,再移除视盘;最后对候选区域进行形状特征、直方图统计特征以及相位特征的提取,采用SVM对候选区域进行分类,完成硬性渗出物的精确提取.对DIARETDB1和HEI-MED公共数据库中共248幅眼底图像进行实验,图像水平达到灵敏度97.3％和特异性90％,病灶水平达到灵敏度84.6％和阳性预测值94.4％.实验表明,所提出的方法能够实现眼底图像中硬性渗出物的自动检测.