基于卷积神经网络的眼底图像配准研究

吴玲玉; 蓝洋; 夏海英

doi:10.16088/j.issn.1001-6600.2020122801

广西师范大学学报（自然科学版） ›› 2021, Vol. 39 ›› Issue (05) : 122 -133. DOI: 10.16088/j.issn.1001-6600.2020122801

基于卷积神经网络的眼底图像配准研究

吴玲玉, 蓝洋, 夏海英

作者信息 +

Author information +

文章历史 +

PDF

摘要

传统眼底图像配准方法提取的特征点分布过于密集,导致配准图像无法准确对齐,而眼底血管分叉特征点具有分布稀疏和特征稳定等特性,能提高图像的配准精度和速度。因此,本文针对血管分割和分叉特征点提取,提出一个基于深度学习的眼底图像配准框架。这个框架由2个深度卷积神经网络组成:第一个是眼底血管分割网络SR-UNet,其在U-Net的基础上融合通道注意力(SE)和残差块,用于分割血管去辅助提取特征点;第二个是特征点检测网络FD-Net,用于从血管分割图中提取分叉特征点。提出的配准模型在公共眼底配准数据集FIRE上进行实验,其特征点正确匹配率为90.03%,与较先进的算法进行对比,本文提出的算法在配准定量和视觉分析上都有较好的性能提升,具有较强的鲁棒性。