基于结构化学习视盘边界检测算法研究.pdfVIP

会议集2015年IEEE机器人与仿生学大

会，，2015年12月6‑9日

基于结构化学习的视盘检测

1,2,3,李2,林2,2与2

—视盘（OD）检测在眼底图像分析中具有重要作用。据我们所知，[11]是唯一采用机器学习进行视盘检测并

本文提出一种主要基于结构化学习训练分类器模型的视盘检测取得优异成果的研究。在[11],中，作者提出了一种基于

算法。随后利用该模型获取视盘边缘图，对边缘图进行阈值处超像素分类的视盘检法。该方法主要利用眼底图像

理得到二值图像，最终通过圆形变换拟合视盘边界。该算的区域信息来检测视盘。

法在公开数据库上评估并取得良好结果（区域率和Dice

本文主要利用眼底图像的边缘信息进行视盘检测。

系数分别为0.8636和0.9196，准确率达0.9770，真阳性率和

这不同于传统使用边缘信息的视盘检测方法。在传统方

假阳性率分别为0.9212和0.0106）。结果表明本方法是视盘

分割的鲁棒工具，与