随着时代的发展,电子屏的广泛应用,眼睛的过度使用已成为常态。在众多的眼科疾病中,青光眼作为除白内障外的最大致盲根源,不仅难以确诊,还会导致眼底结构的生理性病变,导致永久性的失明。目前,很多学者借助计算机辅助系统来协助青光眼的诊断。而有效分割出眼底图上的视盘区,对于青光眼的诊断有着非凡的意义,这也是本文的主要研究方向。本文通过调研分析对比了现有的眼底图分割算法的优缺点,针对眼底图数据数量少,而且分布不均匀的现象,选用随机粒子群算法用于视盘分割。随机粒子群算法不仅参数简单,易于实现,而且还具有很强的稳定性,对数据的要求不高,无需耗时的预训练环节。在进行分割工作前,对原始的图像进行预处理。由于眼底图的数据集标准并不统一,且含有很多冗余信息,需要对原始的图像进行了预处理,首先是灰度化操作,取视盘轮廓最明显的红色通道,然后用Lanczos插值法将图片的尺寸缩小为统一标准。在进行分割实验过程中,本文主要进行了2个方面的探索:1.眼底图上的视盘为光滑的近似椭圆曲线,基于先验知识本文提出了一种基于主动形状模型的多种群粒子群方法（Multi Population Particle Swarm Optimization based on Active shape Model,ASMPSO）。该方法借鉴了主动形状模型的思想,将视盘分割问题转化为一组极值问题,通过求解多个最优位置构建轮廓线的方法来实现分割算法。选用多种群随机粒子群算法,将种群分为多个子种群,子种群间相互独立,不进行信息的共享,子种群内的粒子则按照传统随机粒子群的方法进行搜索优化,将梯度用于计算粒子适应度以及轮廓线的适应度,通过多次迭代寻求最优解。实验在经典的公开数据集Drishti-GS数据集上探讨了不同子种群数量对视盘分割的影响;并且选用了Drishti-GS和Rim-ONE V3,与基于超像素、轮廓、阈值和主动形状模型的四种视盘分割方法进行了对比,结果表明该方法优于以上四种方法,从而证明了分割算法的有效性。但是ASMPSO算法也存在着一定的不足,求解出的视盘轮廓不够光滑,存在部分毛刺。2.为了弥补ASMPSO算法的不足,本文提出了一种基于弹性网络算法的多种群粒子群方法（Multi Population Prticle Swarm Optimization based on Elastic net method,ENPSO）。在ASMPSO方法的基础上,将建模出来的轮廓线变为弹性轮廓线,粒子变为弹性粒子。在粒子飞行过程中,额外受到弹性轮廓线上相邻的弹性粒子的引力,通过这种方式实现了子种群之间粒子的信息共享。实验基于Drishti-GS分析了个体学习因子、子种群学习因子和弹性粒子学习因子这三个权重对粒子搜索能力的影响,并与ASMPSO算法进行了对比。实验结果表明,所提出的ENPSO有更高的稳定性和鲁棒性。
暂无评论