视网膜血管图像特征点自动提取和分类

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (8): 14-17.

视网膜血管图像特征点自动提取和分类

赵晓芳，林土胜

华南理工大学电子与信息学院，广州 510641

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-11 发布日期:2011-03-11

Automatic detection and classification of feature points from retinal fundus images

ZHAO Xiaofang，LIN Tusheng

School of Electronic and Information Engineering，South China University of Technology，Guangzhou 510641，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-11 Published:2011-03-11

摘要/Abstract

摘要： 由动静脉血管组成的眼底视网膜血管结构的特征点是预测心血管疾病、图像分析和生物学应用的重要特征。把角点检测引入到视网膜血管分叉点和交叉点提取中，利用边缘检测算子得到二值边缘图像，采用基于累加点到弦的距离（CPDA）的角点检测方法得到候选特征点，再根据视网膜血管图像的拓扑结构设计自适应矩形探测器对候选特征点进行删减和分类。实验结果表明，基于CPDA的角点检测和自适应矩形探测器的方法有效地实现了节点的提取和分类。

关键词: 视网膜血管, 分叉点和交叉点, 角点检测, 累加点到弦的距离

Abstract: The feature points of the arteriovenous retinal vessel are important landmarks in predicting cardiovascular disease，image analysis and biometrics application.Corner detection method is introduced to extract the vascular bifurcations and crossovers points from eye fundus images.The edge detection operator is used to get the binary edge image.A corner detection method based on Chord-to-Point Distance Accumulation（CPDA） technique is applied to obtain the candidate feature points.According to the topological structure of vessel，the adaptive rectangular detector is designed to classify candidate points.The results show that the method based on CPDA and adaptive rectangular detector is feasible to detect and classify feature points.

Key words: retinal vessel, bifurcation and crossover, corner detection, chord-to-point distance accumulation

赵晓芳，林土胜. 视网膜血管图像特征点自动提取和分类[J]. 计算机工程与应用, 2011, 47(8): 14-17.

ZHAO Xiaofang，LIN Tusheng. Automatic detection and classification of feature points from retinal fundus images[J]. Computer Engineering and Applications, 2011, 47(8): 14-17.

[1]	胡扬涛，裴洋，林川，李世成，易玉根. 空洞残差U型网络用于视网膜血管分割[J]. 计算机工程与应用, 2021, 57(7): 185-191.
[2]	景庆阳，李波. 结合改进角点检测的优化核相关滤波方法[J]. 计算机工程与应用, 2021, 57(18): 194-203.
[3]	陈莉，陈晓云. 特征组合和多模块学习的视网膜血管分割[J]. 计算机工程与应用, 2019, 55(17): 214-220.
[4]	潘腊青1，徐海黎1，韦勇1，沈标2. 基于人脸侧影线角点检测的鼻尖点定位方法[J]. 计算机工程与应用, 2018, 54(13): 191-195.
[5]	赵福娟，李玲，辛化梅. 凝胶图像重叠蛋白质点分割算法研究[J]. 计算机工程与应用, 2017, 53(5): 212-215.
[6]	刘文进1，张蕾2，孙劲光1. 近邻传播聚类优化的角点检测改进算法[J]. 计算机工程与应用, 2016, 52(9): 219-222.
[7]	王萍，王昭然，王娟. 复杂条件下DPM条码的角点检测[J]. 计算机工程与应用, 2016, 52(5): 154-159.
[8]	王冠群1，马苗1，2，3，张艳宁3，周涛3，4. 基于高斯变换的多尺度SUSAN角点检测方法[J]. 计算机工程与应用, 2016, 52(12): 184-188.
[9]	赵方1，石晟1，闫民2. 普通光照下叶片图像特征信息抽取[J]. 计算机工程与应用, 2015, 51(5): 156-166.
[10]	江二华，王汇源. 一种改进的运动目标跟踪算法[J]. 计算机工程与应用, 2015, 51(22): 168-171.
[11]	王润民. 基于微粒群算法的视网膜血管自动提取方法[J]. 计算机工程与应用, 2015, 51(2): 177-180.
[12]	石锐1，刘辉1，朱鑫1，刘晶淼2，贾庆宇2. 基于形态学和距离变换的根系图像交叉的分离[J]. 计算机工程与应用, 2015, 51(1): 172-176.
[13]	黄珂，薛月菊，陈瑶，陈汉鸣，李鸿生. QR码图像几何校正算法的研究[J]. 计算机工程与应用, 2014, 50(20): 192-196.
[14]	孙波1，檀结庆1，2. 改进的曲率尺度空间角点检测[J]. 计算机工程与应用, 2014, 50(19): 161-164.
[15]	车进1，2，师一帅2，张成2. 基于分数阶微分的视网膜血管图像增强[J]. 计算机工程与应用, 2012, 48(34): 162-165.