通过有监督的特征学习从视网膜图像中进行Drusen分割

本文提出了一种监督特征学习方法,用于从视网膜图像中学习区分性和紧凑描述子,用于玻璃疣分割。 该方法将矩阵的广义低秩逼近与监督流形正则化相结合,以从图像斑块中学习新特征,并从视网膜图像中进行采样。 学习到的特征与玻璃疣密切相关,并且可能没有信息,这些信息在区分玻璃疣和背景方面是多余的。 然后将学习到的特征表示矢量化,并用于训练支持向量机(SVM)分类器。 最后,使用获得的SVM分类器将测试图像中的像素分类为玻璃疣或非玻璃疣。 该方法的性能在STARE和DRIVE数据库中得到验证,在该数据库中,其平均灵敏度/特异性/准确性分别达到90.03%/ 97.06%/ 96.92%和87.41%/ 94.93%/ 94.81%。 我们还通过实验将提出的方法与几种代表性的玻璃疣分割技术进行了比较,发现它产生了更高的准确性