一种混合特征高效融合的视网膜血管分割方法

来源：电子与信息学报杂志2017年第8期北京时间：

作者：蔡轶珩, 高旭蓉, 邱长炎, 崔益泽

摘要：将机器学习运用到视网膜血管分割当中已成为一种趋势，然而选取什么特征作为血管与非血管的特征仍为众所思考的问题。该文利用将血管像素与非血管像素看作二分类的原理，提出一种混合的5D特征作为血管像素与非血管像素的表达，从而能够简单快速地将视网膜血管从背景中分割开来。其中5D特征向量包括CLAHE (Contrast Limited Adaptive Histgram Equalization)，高斯匹配滤波，Hesse矩阵变换，形态学底帽变换，B-COSFIRE(Bar-selective Combination Of Shifted FIlter REsponses)，通过将融合特征输入SVM(支持向量机)分类器训练得到所需的模型。通过在DRIVE和STARE数据库进行实验分析，利用Se, Sp, Acc, Ppv, Npv, F1-measure等常规评价指标来检测分割效果，其中平均准确率分别达到0.9573和0.9575，结果显示该融合方法比单独使用B-COSFIRE或者其他目前所提出的融合特征方法更准确有效。

关键词：机器学习, 视网膜, 血管分割, 特征向量, 支持向量机

基金资助：国家自然科学基金(61201360)