结合SLIC超像素和DBSCAN聚类的眼底图像硬性渗出检测方法

为自动检测出眼底图像中的硬性渗出,结合简单线性迭代聚类(SLIC)超像素分割算法和基于密度的聚类算法(DBSCAN),提出一种对眼底图像硬性渗出的检测方法.首先,采用SLIC超像素分割算法对彩色眼底图像进行过分割;然后,采用DBSCAN对上述分割得到的超像素进行聚类,形成簇;最后,分割出目标图像,并选用标准糖尿病视网膜病变数据库(DIARETDB0和DIARETDB1)的眼底图像验证上述组合算法的可行性.实验结果表明:算法能够快速、可靠地检测出眼底图像中的硬性渗出,具有可直接对彩色图像进行分割、特征提取的特点.     

基于测地距离的超像素生成方法

超像素能够捕获图像的冗余信息,从而大大降低图像处理后续任务的复杂度.尽管很多分割算法都能生成超像素,但所生成的超像素大多具有高度的不规则性,大小和形状变化很不一致,而且很难控制其个数.利用图像曲面的内蕴几何,即测地距离来衡量像素间的相似性,提出了一个算法简单的、具有线性复杂度的超像素生成方法,能够生成形状近似规则的、分布均匀的、有指定个数的超像素.实验表明,对于不同复杂度的图像,该方法均能取得较好的结果.