基于CART决策树与改进的AdaBoost的视网膜血管提取算法

• 作者: 第五朋朋 胡亚琦
• 来源期刊: 测试科学与仪器
• 学科: 工学
• 关键词: 分类回归数 改进的AdaBoost 视网膜血管 局部二进模式纹理
• 年，卷（期）: 2019,（1）
• 页码范围: 61-68
• 页数: 8页
• 分类号: TP391.41
• 字数: 497字
• 语种: 英文
• DOI: 10.3969/j.issn.1674-8042.2019.01.009

摘要

本文提出了一种分类回归树(Classification and regression tree,CART)算法与改进的AdaBoost相结合的视网膜血管分割的监督学习算法.该算法对视网膜图像的绿色分量提取、反转、膨胀和增强后分别提取LBP(local binary patterns)纹理特征和局部特征,从而构建出17维特征向量.利用特征向量与专家手工标注的数据构造一个数据集,以特征为节点生成CART二叉树,将CART二叉树作为AdaBoost的弱分类器,通过加入再判决函数对AdaBoost做出一定改进,从而形成强分类器.本算法在DRIVE(digital retinal images for vessel extraction)数据库上进行了实验仿真,实验结果表明,本文所提出的改进算法对血管的分割精度高,包含了完整的血管细节,而且分割出来的血管树的连通性较好,能够反映出血管的分布走势.与传统的AdaBoost分类算法和基于SVM(support vector machine)的分类算法相比,本文所提出的改进算法的平均准确率和可靠性指标都比较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡亚琦	兰州交通大学电子与信息工程学院	21	46	4.0	6.0
2	第五朋朋	兰州交通大学电子与信息工程学院	1	1	1.0	1.0