查询结果:   李语尧,李晓宇,陆子旭,黄为新.基于马尔可夫随机场的眼底图像血管分割研究[J].计算机应用与软件,2019,36(7):254 - 258,306.
中文标题
基于马尔可夫随机场的眼底图像血管分割研究
发表栏目
图像处理与应用
摘要点击数
93
英文标题
VESSEL SEGMENTATION OF FUNDUS IMAGE BASED ON MARKOV RANDOM FIELD
作 者
李语尧 李晓宇 陆子旭 黄为新 Li Yuyao Li Xiaoyu Lu Zixu Huang Weixin
作者单位
吉林大学计算机科学与技术学院 吉林 长春 130012     
英文单位
College of Computer Science and Technology, Jilin University, Changchun 130012, Jilin, China     
关键词
马尔可夫随机场 眼底图像 视网膜血管分割 特征场
Keywords
Markov random field Fundus image Retinal vein segmentation Characteristic field
基金项目
吉林大学国家级大学生创新创业训练项目(2018A2115)
作者资料
李语尧,本科生,主研领域:计算机科学与技术。李晓宇,本科生。陆子旭,本科生。黄为新,本科生。 。
文章摘要
眼底图像血管分割是医用图像分割中较为复杂的一种,在目前的研究中存在分割精度低、效率不高等问题。提出基于马尔可夫随机场的眼底图像血管分割算法,根据眼底图像的特点构建马尔可夫随机场模型,提取H通道作为特征场参数,利用最大后验准则完成标号场更新,最终实现对视网膜血管的分割。算法通过眼底图像数据库DRIVE进行测试,结果表明:该算法平均准确度为0.954 6,平均敏感度为0.899 9,平均特异度为0.957 1,具有很好的分割效果,且运行稳定,计算方便快捷,具有鲁棒性。
Abstract
Vessel segmentation of fundus image is a relatively complex method in medical image segmentation. There are some problems in current research, such as low segmentation accuracy and low efficiency. This paper proposed vessel segmentation algorithm of fundus image based on the Markov random field. According to the characteristics of fundus image, a Markov random field model was constructed. H channel was extracted as the parameter of feature field, and the labeling field was updated by using the maximum posteriori criterion. Finally, the retinal blood vessels were segmented. The algorithm was tested by a fundus image database DRIVE. The results show that the average accuracy, sensitivity and specificity of the algorithm are 0.954 6, 0.899 9 and 0.957 1 respectively. The algorithm has good segmentation effect, stable operation, convenient calculation and robustness.
下载PDF全文   

根据该篇关键词查找到本刊已发表相关论文供参考
序号
文  章  标  题
作者1
发表栏目
页码
摘要
1
基于马尔可夫随机场的眼底图像血管分割研究
李语尧
图像处理与应用
2019
7
254
[摘要]
2
基于马尔可夫模型优化的非经典感受野轮廓检测算法
胡玉兰
算法
2017
9
294
[摘要]
3
基于HESSIAN增强和形态学尺度空间的视网膜血管分割
于挥
图像处理与应用
2016
8
200
[摘要]
4
基于交替方向低秩模型的运动目标检测算法
杨国亮
人工智能与识别
2015
7
167
[摘要]
5
基于特征融合的人脸素描自动生成系统研究
黄双萍
图像处理与应用
2015
4
175
[摘要]
6
一种基于双层多样性的人体特征提取算法
韩骏浩
人工智能与识别
2015
12
133
[摘要]