基于尺度不变特征的眼底图像自动配准与拼接

针对眼底图像对比度低、光照不均匀、不同视场的图像间存在几何畸变等特点,提出了一种基于尺度不变特征的眼底图像自动配准与拼接算法.该算法分别提取同态滤波增强后的待配准眼底图像的尺度不变特征点,并用向量进行描述,确定相邻两图像特征点的匹配关系,在MLESAC算法中使用透视变换模型去除误匹配点对,计算匹配点对之间的变换矩阵,进行图像空间变换,完成配准和拼接.对实际眼底照相机获取的多幅图像配准与拼接结果表明,该算法具有很好的鲁棒性和稳健性,配准精度达到像素级,可以实现眼底图像的高精度自动配准与拼接.     

眼底图像中硬性渗出自动检测方法的对比

为寻求满足临床需求的硬性渗出自动检测方法,从而构建出基于眼底图像的糖尿病视网膜病变自动筛查系统,在利用O tsu阈值分割结合数学形态学快速提取出视盘的基础上,提出了两种硬性渗出自动检测方法(基于数学形态学的硬性渗出自动检测方法和基于RBF神经网络的硬性渗出自动检测方法),在此基础上不仅提出采用后处理以进一步提高检测精度,还就检测结果进行了比较。与其他硬性渗出自动检测方法相比,这两种方法在保证较高检测精度的基础上,效率也较高;在这两种方法之间,基于数学形态学的方法精度更高,基于RBF神经网络的方法效率更高;结合临床对硬性渗出自动检测快速、可靠性的要求,得出基于RBF神经网络的方法作为糖尿病视网膜病变自动筛查系统中的硬性渗出自动检测方法性能更优。