结合自适应脉冲耦合神经网络和最大类间方差准则的眼底图像血管自动检测方法.pdfVIP

第35 卷第10 期 电 子 与 信 息 学 报 Vol.35No.10 2013 年10 月 Journal of Electronics Information Technology Oct. 2013 结合自适应脉冲耦合神经网络和最大类间方差准则的 眼底图像血管自动检测方法 吴 骏 肖志涛* 张 芳 耿 磊 王淑芹 (天津工业大学电子与信息工程学院 天津 300387) 摘 要：结合自适应脉冲耦合神经网络(PCNN)和最大类间方差准则，该文提出一种眼底图像血管自动检测方法。 首先采用对比度受限的自适应直方图均衡化(CLAHE)和 2 维高斯匹配滤波对眼底图像进行预处理，以增强血管和 背景的对比度；然后基于简化PCNN 模型，结合最大类间方差准则对预处理后的眼底图像进行分割，针对PCNN 神经元的链接强度通常为常数的不足，使用像素的拉普拉斯能量(EOL)作为对应神经元的链接强度值，使得PCNN 能够根据像素特征自适应地调整神经元的链接强度；最后采用面积滤波、断点连接对分割结果进行后处理，得到最 终的血管检测结果。对STARE 眼底图像库的实验结果表明，该方法具有较高的鲁棒性、有效性和可靠性。 关键词：眼底图像；血管自动检测；脉冲耦合神经网络(PCNN)；最大类间方差准则；拉普拉斯能量(EOL) 中图分类号：TP391.4; R445 文献标识码： A 文章编号：1009-5896(2013)10-2411-07 DOI: 10.3724/SP.J.1146.2012.01317 Combing Adaptive Pulse Coupled Neural Network and Maximal Categories Variance Criterion for Blood Vessels Automatic Detection in Fundus Image Wu Jun Xiao Zhi-tao Zhang Fang Geng Lei Wang Shu-qin (School of Electronics and Information Engineering, Tianjin Polytechnic University, Tianjin 300387, China) Abstract: A new blood vessels automatic detection method in fundus image combing adaptive Pulse Coupled Neural Network (PCNN) and maximal categories variance criterion is proposed. In preprocessing, Contrast Limited Adaptive Histogram Equalization (CLAHE) and two-dimensional Gaussian matched filtering are adopted to improve the contrast between blood vessels and background. Then based on simplified PCNN model and maximal categories variance criterion, the preprocessed fundus image is segmented. In image processing, the linking strength of each PCNN neuron is usually a constant. In order to overcome the limitation, pixel’