20、基于硬渗出物的安全糖尿病视网膜病变检测与 SAR 图像变化检测

基于硬渗出物的安全糖尿病视网膜病变检测与 SAR 图像变化检测

在医疗和遥感领域，糖尿病视网膜病变（DR）检测和合成孔径雷达（SAR）图像变化检测是两个重要的研究方向。本文将介绍一种基于硬渗出物的安全 DR 检测方法，以及一种使用改进的高斯 - 对数比算子和卷积神经网络（CNN）的 SAR 图像变化检测方法。

基于硬渗出物的糖尿病视网膜病变检测

检测方法概述

传统的 DR 检测算法大多依赖机器学习或深度学习，需要大量的训练数据集。而本文提出的方案仅利用基本的图像处理方面，无需训练集，能快速且真实地识别硬渗出物的存在，从而检测 DR。

硬渗出物检测步骤

1. 强调视网膜区域 ：视网膜周围存在一些像素值为零或接近零的冗余暗区。通过选择接近零的阈值对彩色图像进行二值转换，生成一个掩码，去除眼底图像中的冗余像素，从而强调视网膜区域。
2. 去除视网膜血管 ：视网膜血管对识别渗出物没有作用，反而会给 DR 检测带来困难。通过自适应直方图均衡化增强对比度，使血管在灰度眼底图像中更加突出。将对比度修改后的图像减去通过平均滤波得到的参考图像，得到的结果图像再根据自动生成的阈值转换为二值图像。填充一些因视网膜中的微元素而错误出现的小像素组，生成去除血管的掩码。
3. 识别视盘 ：视盘是视网膜眼底图像中最亮的区域，但使用信号处理工具检测视盘存在很多困难。选择视网膜图像的红色平面来定位视盘，因为几乎所有的视盘像素都可以包含在最小的像素值范围内。使用 K - 均值等智能聚类算法进行更准确的像素分组。根