استخراج خطوط مرکزی رگ های شبکیه چشم با استفاده از ویژگی های توپوگرافیکی و فیلترهای جهت دار

سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 211

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISEE-3-1_002

تاریخ نمایه سازی: 6 دی 1400

چکیده مقاله:

  در این مقاله مسئله استخراج رگ های شبکیه چشم را از تصویر شبکیه مورد مطالعه قرار داده ایم. از آنجایی که کانال سبز تصویر بهترین کنتراست بین رگ و غیر رگ را داراست، از این کانال برای جداسازی رگ ها استفاده کرده ایم. پس از ارتقاء تصویر معکوس کانال سبز، آن را به صورت یک رویه توپوگرافیکی در نظر گرفته و نقاط ناودانی بیرون را از آن استخراج می کنیم. این نقاط بر روی مرکز رگ ها قرار دارند. در حضور نویز پیش زمینه و توزیع غیر یکنواخت روشنایی در تصویر برداری ، مراکز رگ ها بدرستی استخراج نمی شوند. نقاط استخراج شده جدا از یکدیگر می باشند و تنها بخشی از خط مرکزی رگ را تشکیل می دهند. برای اتصال نقاط مجزا و گسترش آنها با هدف استخراج رگ های باریک روش جدیدی پیشنهاد شده است. در این روش بانکی از فیلتر های جهت دار طراحی نموده ایم که جهت مناسب برای رشد خط مرکزی رگ را تخمین می زند. به کمک این روش نقاط انتهایی رشته خطوط ناودانی رشد داده می شوند تا خطوط مرکزی رگ ها بصورت رشته های پیوسته گسترش یابند.   نتایج حاصل از آزمایشات بر روی پایگاه داده DRIVE نشان دهنده برتری روش پیشنهاد شده نسبت به روش های موجود است. این برتری با معیار صحت، میزان عدم اشتراک و حساسیت سنجیده شده است.

نویسندگان

رضا خرقانیان

- مربی، دانشکده مهندسی کامپیوتر- دانشگاه صنعتی شاهرود- شاهرود - سمنان- ایران

علیرضا احمدی فرد

استادیار، دانشکده مهندسی برق و رباتیک- صنعتی شاهرود- شاهرود - سمنان- ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • J. V. B. Soares, J. J. G. Leandro, R. M. ...
  • R. O. Duda, P. E. Hart, and D. G. Stork, ...
  • E. Ricci and R. Perfetti, “Retinal blood vessel segmentation using ...
  • X. Jiang and D. Mojon, “Adaptive local thresholding by verification-based ...
  • S. Chaudhuri, S. Chatterjee, N. Katz, M. Nelson, and M. ...
  • L. Gang, O. Chutatape, and S. M. Krishnan, “Detection and ...
  • F. Zana and J. C. Klein, “Segmentation of vessel-like patterns ...
  • A. M. Mendonça, and A. Campilho, “Segmentation of Retinal Blood ...
  • J.L. Starck, F. Murtagh, E. J. Candès, and D. L. ...
  • W. K. Pratt, Digital Image Processing, ۳rd ed. New York: ...
  • M. Niemeijer and B. van Ginneken, ۲۰۰۲ [Online]. Available:http://www.isi.uu.nl/Reseach/Databases/DRIVE/results.php[۱۳] Chin-Chen ...
  • A. Arnéodo, N. Decoster, and S. G. Roux, “A wavelet-based ...
  • J.-P. Antoine, R. Murenzi, P. Vandergheynst and S. Twareque Ali, ...
  • L. Wang and T. Pavlidis, “Direct Gray-Scale Extraction of Features ...
  • P. Meer and I. Weiss, “Smoothed differentiation filters for images,” ...
  • J. Staal, M. D. Abramoff, M. Niemeijer, M. A. Viergever, ...
  • M. Niemeijer, J. Staal, B. van Ginneken, M. Loog, and ...
  • R. Zwiggelaar, S.M. Astley, C. R. M. Boggis, and C. ...
  • نمایش کامل مراجع