换一批
换一批摘要提出一种能有效分割眼底图像中视网膜血管的监督学习方法,为眼底图中的每个像素点构造一个包括局部特征、形态学特征和Gabor特征在内的39维特征向量,用以判定其是否为血管上的像素.在进行分类计算时,以分类回归树作为弱分类器对样本集分类,然后对AdaBoost分类器进行训练得到强分类器,并由此完成各个像素点的分类判定.基于国际公共数据库DRIVE的实验结果表明,该方法的平均精确度达到0.9607,且敏感度和特异性均优于已有的基于监督学习的方法,适用于眼底图像的计算机辅助定量分析和疾病诊断.
更多相关知识
关键词
眼底图像视网膜血管分割分类回归树Adaboostfundus imagesretinal vessel segmentationclassification and regression treeAdaboost
分类号
TP399
栏目名称
图像与视觉
发布时间
2014-04-02
基金项目
国家自然科学基金
湖南省自然科学基金重点项目
高等学校博士学科点专项科研基金资助课题
中央高校基本科研业务费专项资金资助
湖南省自然科学基金
- 浏览1
- 被引47
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
