视网膜特征检测方法研究

《视网膜特征检测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文视网膜特征检测方法研究RESEARCHONDETECTIONMETHODOFRETINALFEATURES卜凡进哈尔滨工业大学2016年6月国内图书分类号：TP391.4学校代码：10213国际图书分类号：612.3密级：公开工学硕士学位论文视网膜特征检测方法研究硕士研究生：卜凡进导师：邬向前教授申请学位：工学硕士学科：计算机科学与技术所在单位：计算机科学与技术学院答辩日期：2016年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP391.4U.D.C:612.3Dissertationforth

2、eMasterDegreeinEngineeringRESEARCHONDETECTIONMETHODOFRETINALFEATURESCandidate：BuFanjinSupervisor：Prof.WuXiangqianAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerScienceandTechnologyAffiliation：SchoolofComputerScienceandTechnologyDateofDefence：June,2016

3、Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要视网膜中的结构和病变区域蕴含着丰富的信息，这些信息与人类的健康息息相关。微动脉瘤是早期糖尿病视网膜病变的主要病症，及早检测有利于疾病诊断与治疗；视盘是视网膜图像中最明显的结构之一，是纹理和血管的发起点。可靠的微动脉瘤检测和视盘检测在眼底图像的认知及病变分析中具有重要意义。针对微动脉瘤检测，本文重点研究图像的对比度增强、候选点提取和微动脉瘤分类三方面。对比度增强中使用了局部标准差和整体

4、标准差共同影响增强系数的方法，有效实现了对弱对比度区域的增强和强对比度区域的限制。候选点提取步骤根据微动脉瘤四周梯度变化的特点，提出了一种三层滤波模型，模型设置两层梯度阈值和一个方向参数，该模型的提取结果有较高的灵敏度。微动脉瘤分类使用基于KNN的分类方法，并设置微动脉瘤响应策略，以最近邻样本中微动脉瘤的响应个数判定类别。本文方法在ROC数据库得到较满意结果。针对视盘检测，本文提出一种基于深度特征的检测方法。该方法结合深度特征以及传统手工特征，构建一个双层检测模型，模型由2个SVM分类器组成，第一层寻找视盘候选区域，第二层精确定

5、位视盘中心位置。本文方法在DRIVE,DIARETDB0,DIARETDB1和ROC视网膜公开库进行测试，分别得到100%，98.46%，100%，100%的准确率。关键词：微动脉瘤检测；视盘检测；三层滤波；KNN；深度特征-I-哈尔滨工业大学工学硕士学位论文AbstractThestructureandthelesionareaintheretinacontainsabundantinformationthatiscloselyrelatedtohumanhealth.Microaneurysm(MA)isamaindisea

6、seinearlydiabeticretinopathy,microaneurysmsdetectionisbeneficialtothediagnosisandtreatmentofthisdisease.Theopticdisc(OD)isconsideredasthemostobviousstructureandstartingsiteofbloodandlinesofaretinalimage.ReliableMAsdetectionandODdetectionisveryimportantforanalysisofre

7、tinopathyandgraspoffundus.Inthispaper,wefocusesonthecontrastenhancement,candidatepointextractionandclassificationfortheMAsdetection.Intheprocessofcontrastenhancement,thefactorisdeterminedbylocalstandarddeviationandglobalstandarddeviation,Itcaneffectivelyenhancethereg

8、ionwithweakcontrastandcontroltheregionwithstrongcontrast.Weproposedamethodforcandidatepointextractionusingthreelayerfilterwithtwova