《表4 Gabor滤波的结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《PCNN与形态匹配增强相结合的视网膜血管分割》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

如表4、5、6所示，在预处理阶段使用Gabor与高斯相结合的滤波方案，比单独使用Gabor滤波或者高斯滤波对分割结果性能提升更大。使用Gabor滤波准确度、灵敏度、特异性均值分别为93.461%、75.838%、95.074%，使用高斯滤波准确度、灵敏度、特异性均值分别为93.4215%、76.989%、95.126%，而将Gabor滤波与高斯滤波融合之后，分割准确率、灵敏度、特异性分别为93.961%、78.642%、95.643%。因此实验得出此算法在准确度、灵敏度、特异性上都有明显的提升。如图8所示，从DRIVE数据库里随机选取三幅健康的眼底图像（图8 （a）） ，以及三幅病灶图像（图8 （d）） ，分别与文献[27]分割结果相比较。可以发现本文区域生长结合PCNN的方法的分割结果中微小血管更多。