多算法融合的眼底图像渗出液分割

摘要

利用眼底图像中渗出液的亮度与边缘特征,文中采用一种多算法融合的渗出液自动检测分割方法来解决目前传统算法灵敏度低以及检测中存在视盘和其它微血管瘤等暗病灶的干扰等问题.为了提高分割效率和准确率,文中对原始图像进行顶帽底帽变换来增强图像对比度,采用GA与KSW熵法相结合的双阈值分割法对眼底图像进行渗出液分割.实验在Kaggle数据库上进行测试,结果显示该算法在像素层统计的SE和阳性预测值PPV分别为83.6％和93.2％,在图像层统计的SE、SP与AC分别为95.2％、86.2％和90.8％.在另一个独立的DIARETDB1数据库上进行测试,获得的结果分别为82.4％、93.3％、93.6％、96.2％和89.9％.与其它算法对比,文中方法可以很好地区分开渗出液与暗病灶,且检测时间短,具有准确性和高效性.