针对人工手动提取视网膜血管工作量大, 主观性强等问题, 本文提出了一种将区域生长思想、脉冲耦合神经网络(PCNN)、高斯滤波器组及 Gabor滤波器相结合的视网膜血管分割方法。首先将二维高斯滤波器组、二维 Gabor匹配滤波器相结合, 对视网膜血管区域进行形态匹配增强, 提升血管与背景的对比度。然后将带有快速连接机制的 PCNN与区域生长思想相结合, 每次从未处理的像素点中选取亮度最大的作为种子, 使用自适应的连接系数及停止条件, 实现眼底图像中血管的自动分割。整个算法在 DRIVE眼底数据库上的实验结果显示, 平均准确度、灵敏度、特异性分别达到 93.96%、78.64%、95.64%, 分割结果中血管断点少, 微小血管清晰, 具有较好的应用前景。

针对眼底图像中血管与背景间对比度低以及血管自身结构复杂等因素对视网膜血管分割所带来的问题, 本文提出了一种具有自适应连接值的脉冲耦合神经网络(PCNN)与高斯匹配滤波器相结合的视网膜血管分割方法。首先, 利用对比度受限制的自适应直方图均衡化(CLAHE)技术与二维高斯匹配滤波器对血管区域的对比度进行有效增强。然后, 利用经验阈值选择出一定的血管区域作为初始种子区域。接着, 将带有快速连接机制的PCNN与种子区域增长思想相结合, 通过自适应动态设置PCNN中的连接强度系数和停止条件, 实现眼底图像中血管区域的自动生长。整个算法在DRIVE视网膜图像库中进行了测试, 实验结果表明, 相比于不使用动态连接强度系数与停止条件的方法, 所提出算法的灵敏度从49.79%提高至70.39%, 准确度从95%提高到95.39%。证明了该算法具有较好的分割精确度和应用价值。