一种基于改进的PCNN的视网膜血管树提取方法  

Extraction of blood vessel tree in retinal image based on improved PCNN

作　　者：姚畅[1] 陈后金[1] 荆涛[1] 郝晓莉[1] 李志林[1] 杨娜[1] 

机构地区：[1]北京交通大学电子信息工程学院,北京100044

出　　处：《光电子．激光》2011年第11期1745-1750,共6页Journal of Optoelectronics·Laser

基　　金：国家自然科学基金资助项目(60872081;60972093);北京市自然科学基金资助项目(4092034);中央高校基本科研业务费专项资金资助项目(2011JBM003);中国博士后科学基金资助项目(20110490286)

摘　　要：根据脉冲耦合神经网络(PCNN)动态点火特性和视网膜血管网络区域结构特征,提出了一种基于改进型PCNN(IPCNN)的视网膜血管树提取方法。该方法对二维高斯匹配滤波预处理增强后的眼底图像运用IPCNN分割出增强图像的血管网络,然后对分割得到的血管网络结合区域连通性特征,采用长度滤波算子滤除噪声,提取出最终的血管树。通过在Hoover眼底图像库和临床图像中的实验结果表明,该方法在抵抗欠分割和过分割方面要明显优于传统阈值法和传统PCNN法;在血管分支的提取和算法的有效性方面要明显优于Hoover算法,对于临床应用具有较好的参考价值。According to the characteristics of dynamic firing of pulse coupled neural network （PCNN） and the regional configuration of retinal blood vessel network, a new blood vessel tree extraction method based on improved PCNN （IPCNN） is proposed. Firstly, the two-dimensional Gaussian matched filter is used to enhance the retinal image： Then the blood vessel network is segmented by IPCNN. Finally, the vessel tree is obtained via analyzing the region connectivity and using the length filtering. The experiments implemented on the public Hoover database and clinical images indicate that the proposed method outperforms the traditional threshold method and traditional PCNN method on resisting lack-segmentation and over-segmentation,and outperforms the Hoover algorithm on branch vessels extraction and algorithm effectiveness. It is significant for the clinic diagnosis with more practical values.

关 键 词：图像分割 脉冲耦合神经网络(PCNN) 长度滤波 视网膜血管 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]