基于阈值分割及模式分类器的硬性渗出自动检测方法对比研究

为构建基于眼底图像的糖网自动筛查系统,对基于阈值分割及模式分类器的硬性渗出自动检测方法进行了对比研究.首先,利用基于最小类内离散度的改进Otsu分割算法对眼底图像G通道进行粗分割以实现硬性渗出病灶候选区域的获取;然后,提取并优化候选区域特征集;最后,利用优化后的特征集以及相应人工判定结果分别建立RBF神经网络分类器以及SVM分类器,从而实现对眼底图像中硬性渗出的自动识别.对本方法及其他多种硬性渗出自动检测方法进行对比分析.结果表明,对糖尿病视网膜病变自动筛查的临床应用而言,基于阈值分割及SVM分类器的硬性渗出自动检测方法性能更优.