视网膜血管图像及其网孔的计算机处理(英文)

本文主要阐述视网膜血管图像及其网孔的计算机处理。通过局部图像增强的自动阈值选择等手段,解决视网膜血管图像与局部背景之间因灰度混同所造成的二值化困难;采取边缘跟踪方法以提取二值图像中的闭合网孔,提出利用闭合网孔周长作为识别的特征,并讨论了与图像的方向定位无关的实验结果。     

基于Matlab的图像处理的研究

图像处理是使用计算机对图像进行加工和处理的过程，数字图像处理技术在各个领域都得到了广泛的应用。本文介绍如果利用Matlab来实现图像的处理和识别。并以视网膜中央血管图像为例，说明如果利用Matlab实现图像灰度化和边缘检测。     

基于SKA-Unet的眼底图像视网膜血管自动分割

针对视网膜血管结构复杂，对比度较低及边界模糊等问题，构建了一种改进的Unet模型来自动分割视网膜血管。该算法在Unet基础上引入了选择性内核和注意力机制，通过增加多重感受野得到目标多维度的特征信息，并将注意力集中在最有效的特征中，从而提升网络分割血管的性能。利用网上公开的DRIVE和STARE两个常用眼底图像数据集训练和评估该模型，得到骰子系数、精确度、特异性、灵敏度和准确率分别为86.49%、88.65%、98.82%、84.5%和97.46%。实验结果表明，该算法能有效地分割视网膜血管，获得血管的形态和结构信息，对于诊断和治疗眼底相关疾病具有重要意义。     

基于超边图匹配的视网膜眼底图像配准算法

视网膜眼底图像配准是临床眼科疾病诊断和治疗中的一个关键环节。针对眼底图像配准过程中大范围视场变化和过分割结构噪声等问题,该文提出了一种改进的基于图的视网膜图像血管匹配方法。将血管交叉点表示成图的顶点,把特征点间沿血管路径的相邻关系表示成边,进而在视网膜血管结构图中构造路径超边来刻画更高阶多元特征关系。在此基础上,实现了一种全自动的视网膜眼底图像配准算法。包括:第一步,通过多尺度Gabor滤波算法来检测和提取视网膜血管网络;第二步,利用一种高效的谱松弛匹配算法来求解两个路径超边图的顶点匹配对应关系。最后,通过特征匹配召回率统计和配准的血管中线距离误差两方面的实验,证明该文提出算法是有效和准确的。     

基于多尺度线性检测的视网膜血管分割

提出一种自动、高效的视网膜血管网络分割算法。该算法基于对视网膜图像的多尺度线性检测,线性组合各个尺度下的图像响应获取血管特征图像。通过形态学top-hat变换和线性滤波器消除图像噪声和视盘对线性检测的影响,并且增强血管(包含细小血管)的对比度,提高线性检测对细小血管的敏感度,从而提取出更加精确的血管树细节。利用DRIVE和STARE数据库的视网膜图像进行算法性能评估。实验结果显示该方法能够获得很高的分割准确度,几乎为手工分割的结果。同时该方法简单、快速,对噪声具有鲁棒性,适合用于眼科检查的计算机辅助治疗系统。     

基于Hessian矩阵和水平集的视网膜血管分割

视网膜血管图像可以作为糖尿病与青光眼等疾病的诊断依据;但现有的血管提取算法存在精度不足、对噪声敏感,以及鲁棒性不强等缺点。针对这个问题提出了一种新的视网膜血管图像分割方法。首先获取视网膜绿色通道图像,利用Hessian矩阵特征值、特征向量的几何特性和响应函数,初步估计视网膜图像中可能存在的血管;并在此基础上利用水平集函数初始化血管图像。然后,在局部数据能量拟合泛函中引入新的正则化和面积约束。最后,在水平集函数演化过程中获得精准的视网膜血管图像。实验表明算法在分割视网膜血管图像上具有较强的鲁棒性。     

基于2D Gabor小波与组合线检测算子的视网膜血管分割

单一的2D Gabor小波血管分割算法只考虑了图像滤波信息,忽略了血管形状和结构信息。为了更加精确快速地实现视网膜分割血管,提出了一种基于2D Gabor小波变换和组合线检测算子的视网膜血管分割方法。首先通过像素灰度值、4个尺度下的2D Gabor小波变换和组合线检测算子构造一个六维像素特征向量,然后使用贝叶斯高斯混合模型实现视网膜图像像素分类,最终实现血管分割。通过对通用的DRIVE眼底图像库中所有视网膜图像的实验仿真,结果表明算法获得了0.963 6的受试者特征工作曲线面积和0.948 6的准确率,优于单一的2D Gabor小波血管分割算法。     

彩色视网膜图像中基于主血管网的视盘定位

视网膜图像被广泛地应用于糖尿病视网膜病变和青光眼的诊断与治疗。视盘作为视网膜图像的重要特征,是成功诊断视网膜疾病的重要前提。以彩色视网膜图像为研究对象,发展出一种快速有效的视盘定位方法。该方法首先在HSV空间的H通道中提取对比度高的主血管,然后确定主血管的方向图,最后利用一种加权匹配滤波方法找到视盘区域。该方法仅利用视网膜中主血管的方向信息,实验结果表明不仅鲁棒,而且相对快速有效。在Benchmark数据DRIVE、DIARETDB0和STARE上的准确检测率分别达到100％、97．6％和90．1％。     

基于曲波变换的视网膜血管图像增强算法

视网膜血管图像存在像素对比度低等特点,干扰正常的视网膜图像分割.针对视网膜血管的图像特性,提出了一种改进的基于曲波变换的视网膜血管图像增强算法.首先选取视网膜图像的绿色通道分量进行预处理,然后通过对变换系数的自适应增强完成图像的增强处理,并结合改进的形态学变换,实现图像细节的增强和背景噪声的抑制,使得图像对比度得到增强,细节信息更加明显.通过与其他增强算法的比较表明,该算法在增强对比度、降低噪声干扰等方面优于其他算法.     

利用脊线检测实现视网膜图像血管中心线的精确提取

提出一种精确有效的基于脊线检测的视网膜图像血管中心线提取算法,该算法首先对原始图像进行脊线检测得到候选视网膜图像血管中心线,然后对原始图像进行照度均衡和多尺度形态学增强处理,最后对各个尺度增强图像在视场ROI区域内进行Otsu双阈值分割或单阈值分割,并将各个尺度的分割结果求和再与脊线检测结果算术相与得到最终的血管中心线。通过对25张荧光造影视网膜图像以及部分彩色视网膜图像进行测试和分析,该算法不但能够检测出低对比度血管和微小血管的中心线,而且提取的血管中心线整体连续性好。将文中算法的结果与血管手动分割血管的细化结果进行比对分析,中心线吻合率平均达到83.5%,且算法性能优于Hoover算法以及保守专家手动检测结果。     

一种基于P2P的可扩展Web缓存方法

在分析现有P2P网络缓存技术的基础上,提出了一种基于P2P的可扩展Web缓存方法, 系统原型包括胖节点和瘦节点,胖节点负责某一区域内所有节点的信息,它保存着该区域内所有节点的地址列表和节点所共享的缓存内容的索引.瘦节点可以和区域内的所有节点直接进行通信.实验表明,和现有的P2P网络缓存方法相比,该方法只需在每个节点上增加很低的开销就可以扩展节点,增加了容错性,且易于管理和易于发现节点.     

基于网络局部和全局特性的组合中心性度量措施

阐述了复杂网络中节点的中心性(即节点的重要性)对网络鲁棒性的重大影响,评估节点的多种重要性方法各自的优点与局限性.结合逆和指数ISI、度中心性DC以及介数中心性BC提出一种基于两种人工网络和两种真实网络的组合中心性度量方法IDB,利用删除节点前后网络的最大连通子图的变化对节点的重要性进行刻画仿真实验,验证了该方法的可行...     

节点角色化的工业互联网感知层安全路由方法

针对新兴工业互联网因开放、异构、节点众多且资源受限等而面临突出的感知层路由安全困难的问题,提出一种节点角色化的工业互联网感知层安全路由算法。依据功能定位将工业互联网感知层中的节点划分为普通节点、簇首节点、汇聚节点和安监节点4种角色,建立起融合节点角色化和随机巡查的安全信誉评估方法,形成基于节点信誉评估的感知层分簇拓扑,融合节点安全信誉评估方法和Dijkstra算法优化建立工业互联网感知层安全路由。仿真结果表明,提出的算法对工业互联网感知层恶意节点的发现准确率可达到94%,有助于提升工业互联网感知层的路由安全。     

无线传感器网络的三边定位改进算法

在研究三边定位法的基础上,提出了一种借助虚拟锚节点定位方法.首先根据未知节点与其周围定位的锚节点之间的几何约束关系,确定该未知节点可能出现的区域位置;其次,根据节点之间的几何约束,确定出虚拟锚节点的坐标范围,最后,在已经划定的可能区域内,采用最小二乘法寻求虚拟锚节点与未知节点之间距离差的最小值,以该数值对应的坐标值作为所定位的未知节点的坐标值.仿真结果表明,虚拟锚节点能够有效实现未知节点的定位,并用最小二乘法改进了未知节点的定位效果     

分簇WSNs中基于安全数据融合的恶意行为检测方法

考虑到恶意节点篡改数据或者直接伪造数据对融合结果可能造成的影响,提出了一种基于安全数据融合的恶意行为检测机制来量化节点采集数据的可信程度,判断节点行为是否正常,并给出了恶意节点的发现与处理方法.仿真实验表明,该模型能够有效检测恶意节点,具有较高的检测率和较低的误检率.     

基于邻域信息的网络结构表示学习

针对传统网络表示学习方法无法学习节点网络结构相关性的问题, 提出一种基于邻域信息的网络结构表示学习模型. 该模型首先定义基于邻域信息的节点间结构相似度计算方法, 对不同邻域范围内节点间结构相似度建模； 其次构建深层自编码器, 将节点结构相似度作为监督信息优化网络表示, 在网络嵌入过程中学习节点结构信息. 与node2vec,SDNE,struc2vec三种相关算法进行对比的实验结果表明, 该方法有更好的网络结构识别能力, 能学习到节点间的结构相关性, 所得到的网络表示能适用于角色识别相关任务. 此外, 跨网络分类实验结果还体现了该方法在迁移学习方面的潜力.     

基于传输贡献矩阵的城市路网节点重要性评估方法

 在城市道路中,通常采用交叉口流量或道路连接数等单一指标确定路口重要性,很难保证突发事件下道路网络运行的可靠性。鉴于城市道路网络的无标度特性,以交通阻抗为权重,将城市道路网络抽象为加权网络,提出节点重要度传输贡献矩阵方法,评估道路交叉口重要性。该方法综合考虑交叉口所处路网位置、道路连接数及关联路段交通阻抗,采用节点效率值表示其位置信息,通过融合节点度值和交通阻抗值,构建交通信息传播过程中节点之间的重要度关联,以表示相邻路口间重要性依赖关系。以天津市区域路网为例计算各交叉口重要度,采取连续移除重要节点方式,模拟连锁故障过程,并将结果与节点收缩法进行对比。实证分析表明：在移除最重要的8个节点后,路网最大连通子图规模较节点收缩法降低9.10%,验证了该方法的有效性。     

基于信息熵的电力信息耦合网络重要节点评估

重要节点对网络的影响非常大,极少数的重要节点就能使网络崩溃。在电力信息耦合网络中,不仅可以根据重要节点的顺序对其进行保护来减小网络的损失,还能在电力信息耦合网络崩溃后通过重要节点的顺序对网络进行恢复,所以识别重要节点有着非常重要的意义。针对此问题,结合电力信息耦合网络中两网络不同的特性,考虑电力网和通信网的互相影响,借鉴复杂网络理论,提出一种基于信息熵的重要节点识别方法,以网络效率相对值、网络受损程度为衡量指标,在静态和动态攻击下对重要节点方法进行验证,并用渗流理论对级联失效过程进行分析。以IEEE30、IEEE118节点系统对应的电力信息耦合网络为例,验证了该方法的有效性及优越性,为研究不同节点之间的相互作用提供了思路。     

基于GCN的复杂网络关键节点识别研究

准确识别出网络中的关键节点是复杂网络研究的重要内容之一.现存的关键节点识别方法多数是基于网络结构提出的中心性度量方法,识别准确率低且适用范围具有局限性.因此本文提出了基于图卷积网络的关键节点识别方法,不仅考虑了节点属性,还考虑了网络结构和邻居节点结构.首先,根据网络图例数据提取多维度特征并构建特征向量;其次,将节点特征向量输入到GCN层学习;最后,通过回归损失函数计算出最小损失,识别出关键节点.本文选取传播动力学中的SIR模拟实验和牵制控制实验作为评价方式,在不同类型的真实网络上进行验证.结果表明本文提出的方法在适用范围和准确率方面较其他方法更具优势.     

基于电磁波及超声波联合测距的井下定位方法

研究煤矿井下电磁波、超声波联合定位方法,根据井下巷道的空间结构特点,由锚节点和网关节点形成无线传输网络,网关节点布置在巷道的端点,锚节点一字排开等间距吊挂在巷道顶部中央,使巷道内任意位置都至少有两个锚节点接收到移动节点发射的电磁波信号。 移动节点通过判别锚节点电磁波信号强度确定移动节点与锚节点的位置关系;移动节点采用基于超声波的TOF检测方法进行巷道横向测距,移动节点和锚节点节采用基于电磁波信号强度的对数-常态分布模型进行巷道纵向测距,最终确定移动节点的二维坐标。 仿真结果表明,提出的定位方法误差较小,超声波在巷道横向的测距误差很小,巷道纵向50 m范围内,最大误差不超过5 m。 联合定位方法使用少数锚节点获得高定位精度,可以应用于煤矿井下。