视觉显著性的眼底图像视盘检测

• 作者: 吕鹏飞 王莹 王思齐 于晓升 吴成东
• 来源期刊: 中国图象图形学报
• 关键词: 眼底图像 显著性检测 特征融合 视盘检测 DRISHTI-GS MESSIDOR DRIONS-DB
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 研究应用|Research and Application
• 页码范围: 2293-2304
• 页数: 12页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11834/jig.200444

摘要

目的 青光眼是导致失明的主要疾病之一,视盘区域的形状、大小等参数是青光眼临床诊断的重要指标.然而眼底图像通常亮度低、对比度弱,且眼底结构复杂,各组织以及病灶干扰严重.为解决上述问题,实现视盘的精确检测,提出一种视觉显著性的眼底图像视盘检测方法.方法 首先,依据视盘区域显著的特点,采用一种基于视觉显著性的方法对视盘区域进行定位;其次,采用全卷积神经网络(fully convolutional neural network,FCN)预训练模型提取深度特征,同时计算视盘区域的平均灰度,进而提取颜色特征;最后,将深度特征、视盘区域的颜色特征和背景先验信息融合到单层元胞自动机(single-layer cellular automata,SCA)中迭代演化,实现眼底图像视盘区域的精确检测.结果 在视网膜图像公开数据集DRISHTI-GS、MESSIDOR和DRIONS-DB上对本文算法进行实验验证,平均相似度系数分别为0.9658、0.9616和0.9711;杰卡德系数分别为0.9341、0.9224和0.9376;召回率系数分别为0.9648、0.9589和0.9674;准确度系数分别为0.9966、0.9953和0.9968,在3个数据集上均可精确地检测视盘区域.实验结果表明,本文算法精确度高,鲁棒性强,运算速度快.结论 本文算法能够有效克服眼底图像亮度低、对比度弱及血管、病灶等组织干扰的影响,在多个视网膜图像公开数据集上进行验证均取得了较好的检测结果,具有较强的泛化性,可以实现视盘区域的精确检测.