کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6941284 870171 2014 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Automatic retinal vessel extraction based on directional mathematical morphology and fuzzy classification
ترجمه فارسی عنوان
استخراج عروق کشت شبکاتی براساس مورفولوژی ریاضی جهت و طبقه بندی فازی
ترجمه چکیده
مشکل تشخیص عروق خونی در تصاویر فتوس رنگ شبکیه مطرح است. یک روش بی نظیر بر اساس استخراج دو بردار ویژگی های کشتی به منظور شناسایی پیکسل های متعلق به درخت عروق ارائه شده است. ویژگی های کشتی پیشنهاد شده بر ضد کنتراست و اتصال خطی آنها متکی است. استخراج این ویژگی ها با استفاده از فیلتر هدایت مورفولوژیکی پیشرفته به نام مسیرهای مسیر انجام می شود. ویژگی های حاصل از آن برای انجام یک کار همگام سازی داده ها بر اساس نظریه مجموعه فازی استفاده می شود. در نتیجه، طبقه بندی پیکسل به راحتی می تواند برای ساخت یک نقشه کشتی انجام شود. نتایج تجربی با استفاده از داده های واقعی توانایی روش پیشنهادی را برای موفقیت در استخراج یک درخت تسمه با کیفیت خوب نشان داده اند. نتایج به دست آمده با نتایج حاصل از تکنیک های استخراج رگ کلاسی مقایسه شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
The problem of detecting blood vessels in retinal color fundus images is addressed. An unsupervised method based on the extraction of two vessel features vectors in order to detect the pixels belonging to the vessel tree is presented. The proposed vessel features rely on the contrast of vessels and their linear connectivity. The extraction of these features is performed by using advanced morphological directional filter called path openings. The resulting features are used to carry out a data fusion task based on fuzzy set theory. As a result, pixel classification can easily be performed to construct a vessel map. Experimental results using real data have demonstrated the ability of the proposed method to successfully extract a good quality vessel tree. The obtained results are compared with results obtained by classical vessel extraction techniques.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 47, 1 October 2014, Pages 164-171
نویسندگان
, , , , , ,