Glaucoma is an eye disease that usually occurs with the increased Intra-Ocular Pressure (IOP), which damages the vision of eyes. So, detecting and classifying Glaucoma is an important and demanding task in recent days. For this purpose, some of the clustering and segmentation techniques are proposed in the existing works. But, it has some drawbacks that include ine±cient, inaccurate and estimates only the affected area. In order to solve these issues, a Neighboring Differential Clustering (NDC) - Intensity Variation Masking (IVM) are proposed in this paper. The main intention of this work is to extract and diagnose the abnormal retinal image by identifying the optic disc. This work includes three stages such as, preprocessing, clustering and segmentation. At first, the given retinal image is preprocessed by using the Gaussian Mask Updated (GMU) model for eliminating the noise and improving the quality of the image. Then, the cluster is formed by extracting the threshold and patterns with the help of NDC technique. In the segmentation stage, the weight is calculated for pixel matching and ROI extraction by using the proposed IVM method. Here, the novelty is presented in the clustering and segmentation processes by developing NDC and IVM algorithms for accurate Glaucoma identification. In experiments, the results of both existing and proposed techniques are evaluated in terms of sensitivity, specificity, accuracy, Hausdorff distance, Jaccard and dice metrics.

提出了一种利用多尺度斑点检测的快速视盘定位方法。首先通过斑点检测确定12个视盘的候选区域, 然后综合利用候选点邻域内的外观和血管特性决策视盘真实位置。对五个公开的数据集1540幅图像进行了测试, 定位准确率达到97.9%。算法可以在缩小后的图像上进行检测, 因此检测效率高, 在五个数据集中平均检测时间约0.2s, 远快于目前绝大部分检测算法。实验表明, 对正常和轻度病变图像视盘检测效果很好, 但是对严重病变的图像以及部分低质量的图像中的视盘检测, 准确率仍有待提高。

为分割出眼底图像中的视盘, 构建基于眼底图像的计算机辅助诊断系统, 提出了一种基于视网膜主血管方向的视盘定位及提取方法。首先, 利用Otsu阈值分割眼底图像R通道获取视盘候选区域; 然后利用彩色眼底图像的HSV空间的H通道提取视网膜主血管并确定主血管方向; 在此基础上, 通过在方向图内寻找出对加权匹配滤波器响应值最高的点确定视盘中心位置; 最后, 利用该位置信息从视盘候选区域中“挑选”出真正的视盘。利用该方法对100幅不同颜色、不同亮度的眼底图像进行视盘分割, 得到准确率98%, 平均每幅图像处理时间1.3 s。结果表明: 该方法稳定可靠, 能快速、有效分割出眼底图像中的视盘。

可靠、有效的视盘分割对自动眼底病变诊断分析具有重要意义。提出了一种基于平滑滤波和CV模型的视盘分割算法。在利用投影法定位出视盘中心后, 首先采用Gabor滤波技术提取并移除视盘局部区域的主血管, 然后利用邻域信息通过插值运算填充被移除血管区域的像素, 采用边缘保留平滑滤波对视盘区域进行平滑, 最后利用基于区域信息的CV水平集模型分割出视盘的边界。该方法在MESSIDOR数据库上进行了测试, 平均分割准确率为0.83, 表现出了良好的分割性能。

可靠、有效的视盘定位对自动眼底病变分析具有重要意义。本文提出一种快速自动定位视盘方法, 首先基于梯度和亮度信息提取视盘的候选区域点; 然后利用血管在视盘区域分布非常集中并且沿垂直方向延伸,对候选点进行匹配滤波最终定位视盘点。本文方法在五个公开的眼底图像数据库1 540 幅图像上进行了测试, 其中1 514幅眼底图像定位成功, 准确率达到了98.3%, STARE 图像平均处理时间为6.3 s, 在所有正常和病变眼底图像测试中表现出良好的鲁棒性。