基于多能量变分模型的光盘分割

准确可靠的视盘（OD）分割对于视网膜图像分析和视网膜疾病筛查非常重要。 本文提出了一种基于多能量变异模型的眼底图像OD自动分割方法。 首先，设计了一种基于稀疏编码的技术来定位OD中心，然后基于该霍夫变换估计初始边界曲线。 接下来，将OD分割视为能量最小化问题，并提出了一个整合了三个能量项的变分模型以将曲线演化到OD边界。 在提出的模型中，第一个术语称为基于相位的边界能，旨在将演化曲线吸引到OD边界，即使是对比度较低的边界。 第二个术语，称为基于PCA的形状能，将演化曲线限制为一个普通的OD形状，这可以抑制OD分割中明亮干扰（例如，明亮病变和有髓神经纤维）的负面影响。 最后一个是区域能量，该能量将演化曲线驱动到均匀区域的边界，从而提高了模型对噪声边界和演化曲线初始位置的鲁棒性。 在三个公共数据库（即MESSIDOR，ONHSD和DRIONS数据库）上对提出的OD分割方法进行了评估，实验结果表明，该方法优于最新技术。