华南师范大学物理与电信工程学院, 广东 广州 510006
提出一种基于超像素仿射传播聚类的视网膜血管分割方法。首先对预处理后的图像提取Hessian最大本征值、Gabor小波、B-COSFIRE滤波特征,构建3维眼底图像像素特征;同时对眼底图像进行超像素分块,并采用一致性准则对所分的超像素块进行筛选,得到超像素候选块;把超像素候选块当作样本点,把候选块内的像素特征的统计平均值当作特征向量,在特征空间中进行仿射传播聚类得出血管类和背景类两个聚类中心;根据血管类和背景类两个聚类中心,采用最近邻方法对眼底像素进行分类,实现对视网膜血管的分割。实验表明:在DRIVE和STARE眼底图像数据库上,本文算法的平均准确率分别为94.63%和94.30%;相较于K-means、模糊C均值(FCM)和其他聚类方法,本方法对血管的识别度高,所分割的视网膜血管有较好的连续性和完整性。
图像处理 视网膜血管分割 超像素 仿射传播聚类 一致性 候选块
1 海军航空工程学院 指挥系,山东 烟台 264001
2 海军航空工程学院 兵器科学与技术系,山东 烟台 264001
3 海军航空工程学院 控制工程系,山东 烟台 264001
存贮目标所有的视点图像，建立完备的特征库，或者提取能够抵抗视点变化的不变特征，是三维目标识别的常用方法。这两种方案都存在不足：要么特征库规模庞大，识别过程计算量大，识别效率低；要么难以找到鲁棒的识别特征。结合两种方案研究了基于聚类技术建立三维舰船模型特征库的方法。利用仿射传播聚类方法无需事先指定聚类中心的优点，将其应用于两型舰船模型的视点空间聚类。通过提取视点图像的Hu矩特征，进行了仿真实验，给出了聚类结果的有效性分析。
目标识别 视点空间 无监督聚类 仿射传播聚类 target recognition view points space unsupervised clustering affinity propagation clustering
