《表2 有伪像和无伪像分割性能的定量比较》
其次,根据测试图像是否存在伪影以及伪影的种类,表2对标准数据集的鲁棒性和泛化测试结果进行了展示,并绘出了表2的柱状图,如图8所示。当图像中存在伪影时,各项指标的整体性能明显低于无伪像时的整体性能。由表2和图8可知,本文方法对分岔伪影最为敏感,此种情况下性能最低。在无伪影时,所提方法内膜的HD距离达到0.22 mm,外膜的HD距离达到0.23 mm。除此之外,表2和图8中数据显示,除分岔伪像外(内膜HD距离为0.37 mm,外膜HD距离为0.45 mm),其他类型的伪像和无伪像时的数据相差不大,侧血管和阴影伪影的内外膜平均HD距离均不超过0.30 mm,因此本文算法鲁棒性较好。另外,本文在极值区域筛选算法中运用的LBP特征是纹理信息,能有效地消除亮度对图像的影响,所以一定程度上缓解了亮度变化的问题。灰度差异是利用图像灰度值这一先验信息计算区域和其邻域的灰度差。另外,区域周长是极值区域边界变化的度量,利用该信息能够得到边界变化较为稳定的区域。这3种图像信息的使用均一定程度上提高了算法的鲁棒性。
图表编号 | XD00143032100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.16 |
作者 | 叶红梅、汪友生、夏章涛、刘继荣 |
绘制单位 | 北京工业大学信息与通信工程学院、北京工业大学信息与通信工程学院、北京工业大学信息与通信工程学院、北京工业大学信息与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |