一种基于深度学习的彩色眼底图像视杯分割方法

摘要

本发明涉及一种基于深度学习的彩色眼底图像视杯分割方法。该方法包括：1)输入眼底图像；2)利用Seg‑ResNet网络先对视盘进行分割，分割之后的视盘区作为视杯分割的感兴趣区域，再利用Seg‑ResNet网络对视盘区进行视杯分割，该网络基于残差基础结构，考虑特征通道之间的关系进行通道加权，对通道间的依赖关系建模，自适应地调整各通道的特征响应值，并对多个层进行特征融合，实现在捕获图像语义信息的同时定位像素点的位置信息；3)输出利用Seg‑ResNet网络的视杯分割结果。本发明在公开数据集GlaucomaRepo和Drishti‑GS上进行视杯分割的测试，结果表明测试结果提高了分割准确率及算法鲁棒性。