《表4 Gabor滤波的结果》
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。
图表编号 | XD0031355200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 徐光柱、王亚文、胡松、陈鹏、周军、雷帮军 |
绘制单位 | 三峡大学计算机与信息学院、湖北省水电工程智能视觉监测重点实验室(三峡大学)、三峡大学计算机与信息学院、三峡大学计算机与信息学院、三峡大学计算机与信息学院、湖北省水电工程智能视觉监测重点实验室(三峡大学)、三峡大学第一临床医学院超声科、三峡大学计算机与信息学院、湖北省水电工程智能视觉监测重点实验室(三峡大学) |
更多格式 | 高清、无水印(增值服务) |